论文部分内容阅读
本文研究了基于人工神经网络的数字识别,主要探讨图像处理技术和模式识别技术在数字识别中的应用。一个典型的数字识别系统包括图像的获取、字符图像预处理、特征提取、字符识别等部分,本文的研究工作涉及3个部分:字符图像预处理、特征提取、字符的识别。
首先介绍了数字识别的主要原理,详细讨论了一系列图像预处理技术,使其适合于字符的识别,包括:图像灰度化、二值化、细化、基于Hough变换检测直线倾斜角度的图像倾斜校正,图像字符的分割、图像尺寸的归一化等。
其次,研究了如何提取数字字符的结构和笔画等特征以及用人工神经网络进行字符识别等内容。最后,进一步探讨了基于BP网络的含噪数字识别。
文中给出了BP神经网络的原理、设计BP网络的过程以及具体的实现和改进方案,并附有大量的实验数据。
系统实现上采用Microsoft Visual C++ 6.0编写,可以运行于任何一台装有Windows2000或者Windows:XP的机器上。程序操作简单,具有友好的GUI界面。
实验结果表明:本程序能够批处理,字符总体识别率高。对于噪声数字有较强的适应性。