DIP课程设计报告.docVIP

《数字图像处理》课程设计报告 ——手写阿拉伯数字的识别 1、课程设计目的 提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中 的基本原理与方法。 掌握文献检索的方法与技巧。 熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。 2、方法综述 2.1手写阿拉伯数字识别的研究背景 字符识别处理的信息可分为两大类:一类是文字信息，处理的主要是用各国家、各民族的文字(如:汉字，英文等)书写或印刷的文本信息，目前在印刷体和联机手写方面技术已趋向成熟，并推出了很多应用系统;另一类是数据信息，主要是由阿拉伯数字及少量特殊符号组成的各种编号和统计数据，如:邮政编码、统计报表、财务报表、银行票据等等，处理这类信息的核心技术是手写数字识别。 近几年来我国开始大力推广的“三金”工程在很大程度上要依赖数据信息的输入，如果能通过手写数字识别技术实现信息的自动录入，无疑会促进这一事业的进展。因此，手写数字的识别研究有着重大的现实意义，一旦研究成功并投入应用，将产生巨大的社会和经济效益。 2.2人工神经网络的概念 人工神经网络（Artificia Neural Network）至今还没有一个比较科学和权威的定义。有一种定义是：“人工神经网络是生理学上的真实人脑神经网络的结构和功能，以及若干基本特征的某种理论抽象，简化和模拟而构成的一种信息处理系统。”荣辉.张济世.人工神经网路及其现状与展望《电子技术应用》1995年第10期4 荣辉.张济世.人工神经网路及其现状与展望《电子技术应用》1995年第10期 4一5页 2.3 BP神经网络 神经网络的应用已经渗透到各个领域中，包括金融、股票预测，自动控制， 机器人，模式识别，计算机视觉和图像处理，信号处理等等， T,J,Sejnowiski,C,R,Rosenberg”Paralle Netwoeks that Learn to Pronounce English Test”,Complex Systems,1987:1 145-168 T,J,Sejnowiski,C,R,Rosenberg”Paralle Netwoeks that Learn to Pronounce English Test”,Complex Systems,1987:1 145-168 陈明，赵瑞清.BP神经网络的比例训练.计算机学报，1993(8) 靳蕃，范俊波，谭永东。神经网络与神经计算机.西南交大，1991 庄镇泉，王煦法，王东生.神经网络与神经计算机.北京:科学出版社，1992 6：毛群.王少飞.基于matlab的神经网络数字识别系统实现.中国西部科技.2010(09). 7:施少敏.马彦恒.陈建泗.基于BP网络的数字识别方法.兵工自动化.2006.25.10 8:朱曼丽.孙志锋.孙志林.一种基于神经网络的数字识别方法.计算机工程与应用.2002.12 9:乔宝明张晓莉高志才基于matlab识别0-9数字图像的新方法.技术与创新管理.2009.3 10:许捍卫.王成.一种简单的数字识别方法研究.河海大学测量工程系 2.3.1 BP神经网络的概念 BP（Back Propagation）网络又叫误差反向传播网络，是由美国加利福尼亚大学的PDP小组提出的一种神经网络算法，实现了Minsky和Papert认为不能实现的多层网络的设想。 BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐藏层逐层处理后，传向输出层。若输出层的实际输出与期望的输出(教师信号)不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐藏层向输入层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程，是周而复始地进行的。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受到的程度，或进行到预先设定的学习次数为此。 BP网络的基本结构如图1所示，网络由不同层次的节点集合组成，每一层节点的输出送到下一层节点。这些输出值由于连接权不同而被放大、衰减或抑制。除了输入层外，每一节点的输入为前一节点输出值的加权和。每一节点的激励输出值由节点输入、激励函数及闭值决定。 图1：BP网络模型 BP网络的学习算法使用梯度搜索技术，以期望网络的实际输出与期望输出的均方差最小。网络的学习是一种在误差反向转播的同时修正的过程。学习过程应包括两个阶段:前向计算阶段和反向调整阶段 2.4图像分割： 对二值化后的图像进行分割处理，本课程设计采用基于字符连通域的分割。由于对数字的书写有一定要求，两个字符之间不能出现连笔的情况，因此可