基于BP神经网络的字符识别算法的实现毕业设计论文.doc

北京理工大学2014届本科生毕业设计（论文） PAGE 一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。） 工作基础：了解C++的基本概念和语法，熟练使用Visual C++6.0软件。 研究条件：BP神经网络的基本原理以及图像处理的基本常识。 应用环境：基于BP神经网络的图片图像文件中的字符识别。 工作目的：掌握基于Visual C++6.0应用程序的开发。 了解人工智能的基本概念并掌握神经网络算法的基本原理。 掌握Visual C++6.0中的图片处理的基本过程。 二、参考文献 [1]人工智能原理及其应用， 王万森， 电子工业出版社，2007. [2] VC++深入详解， 孙鑫， 电子工业出版社，2006. [3] \o 人工神经网络原理 人工神经网络原理, 马锐， 机械工业出版社， 2010. [4] \o Visual C++数字图像处理典型案例详解 Visual C++数字图像处理典型案例详解， 沈晶， 机械工业出版社，2012. [5]Application of Image Processing to the Characterization of Nanostructures Manuel F. M. Costa， Reviews on Advanced Materials Science,2004. 三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。） 1、掌握C++的基本概念和语法。 2、掌握二维神经网络的基本原理。了解BP神经网络的基本概念。 3、完成Visual C++中对于图像的灰度、二值化等预处理。 4、完成基于样本的神经网络的训练以及图像中数字的识别，并对其性能进行统计和总结，分析其中的不足。 指导教师（签字） 年 月 日 审题小组组长（签字） 年 月 日 北京理工大学本科生毕业设计（论文）开题报告 课题名称 基于BP神经网络的字符识别算法的实现 系 名 称 信息工程系 专业名称 自动化 学生姓名 王加 指导教师 扈书亮 课题来源及意义 神经网络模式识别方法是近几年兴起的模式识别领域的一个新的研究方向。由于神经网络的高速并行处理、分布存储信息等特性符合人类视觉系统的基本工作原则，具有很强的自学习性、自组织性、容错性、高度非线性、高度鲁棒性、联想和记忆的功能和推理意识的功能等，能够实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作，所以，采用神经网络进行模式识别、开辟了模式识别发展的新途径。 数字图像技术是图像处理领域中的一个重要研究方向。数字图像处理技术发展到今天，数字图像识别技术已经获得长足的进步。在工程、工业以及科学研究中的应用有着广阔的前景。由于人眼的判别容易产生视觉疲劳和失误而引起的误判、错判，甚至对一些关键信息漏判造成难以挽回的损失。因此，对数字字符显示的动态计算机自动识别、自动控制有着迫切的要求和实现的意义。在化工、电力、流量统计、技术检测等各个行业实现自动控制中的数字字符显示的计算机自动动态识别、自动控制在提高产品附加值和提高生产的效率、效益具有其特殊的意义。 二、研究目标 1.熟练掌握Visual C++6.0应用程序的开发已经应用 2.了解人工智能的基本概念并且了解神经网络的基本原理。 3.熟练掌握Visual C++6.0中的图片处理的基本方法。 识别并给出结果样本训练 识别并给出结果 样本训练 字符特征输入 在实现的过程中，分解为两个模块，即图像预处理模块和数字识别模块。其中图像预处理模块在对图像进行了一系列变换后，把最后提取到的数字字符提交给数字识别模块，然后进行识别并给出结果。 在图像处理的过程当中，采用了许多图像处理的技术，最后把每个数字的特征提取出来。这些技术包括图像数据读取，图像的灰度化、二值化，图像的调整，离散噪声点的去除，字符的切分，图像的缩放，字符的细化，字符的平滑，图像的求梯度等。 在数字识别模块中，利用神经网络（选用BP神经网络）进行字符识别。利用神经网络进行字符识别的过程主要包括网络的训练、数据的读取、字符的判定以及结果的输出。 图像输入 图像输入 灰度转化 图像二值化 梯度锐化 去离散噪声 倾斜度调整 图像分割 归一化调整 紧缩重排 特征提取 图1-1图像预处理流程图 图1-2神经网络数字识别流程图 四、研究方法与手段 完成Visual C++6.0中对于图像的预处理和基于样本的BP神经网络的训练以及图像中数字的识别，并对其性能进行统计和总结。对于图像的灰度化、二值化等预处理、基于样本的BP神经网络的训练以及图像中数字的识别通过Visual C++6.0软件