如今模式识别技术广泛应用于人工智能领域,如网络搜索引擎,文件自动分类,生物特征识别,图形图像识别等。作为其中的一个分支,图像字符的识别一直以来都是研究的热点,如车辆牌照、邮政编码、手写文档、印刷文档、网页验证码识别等等都存在对图像识别的需求。由于图像字符的识别技术在诸多需要对信息进行自动识别处理的领域都有着极大的理论意义与实用价值,我们针对上述需求,以图像字符为对象,通过对神经网络字符识别以及相关的图像处理技术的研究,总结出一套完整的、行之有效的字符识别方法,同时封装出可供重用的函数库供应用开发使用。本文将对以上内容的研究过程进行整理,主要介绍一下几个方面:1.计算机图形图像处理方法研究Windows操作系统下的增强图形设备接口(GDI+)研究,分析图像识别及预处理所需的关键图形对象和图像操作方法的描述。2.字符目标定位算法研究与实现由于图形识别是以字符为单位进行,因此需要字符目标进行定位,我们设计了边缘检测方法以确定字符在图片上所呈现的区域范围,再将字符对象从背景图像中提取出来。3.图像优化算法研究与实现不同来源的图片识别效果也千差万别,为提高识别准确度,需要对目标字符进行预处理,包括灰度化、二值化、锐化、去噪点、斜度调整等操作,本文分析了这些操作的关键步骤或提供了实现思路。4.神经网络采用方法的研究与实现重点研究了感知器状态提取法在图像识别中的使用。通过对比发现感知器状态提取法结合以信息熵为判断依据的特征筛选法,在运行效率以及识别适应性方面都比传统的逐像素特征提取法有了很大的提高。5.字符识别方法研究与实现以误差回传神经网络(BP)模型为基础的字符识别的方法研究,对开源项目AForge Framework中的神经网络部分进行分析,利用其对BP网络结构的封装实现神经网络的创建、训练和字符识别。6.对核心处理函数进行封装通过代码实现前阶段的研究得出的算法,封装成可重用的模块。模块以.NET程序集的形式进行封装,可以方便的供C#, C++,VB.NET等程序调用。7.测试平台的设计和实现为了验证研究的成果,编写相应的测试程序进行验证,根据结果再对各阶段算法进行优化改良。