基于BP神经网络的字母识别系统设计与实现毕业论文.docx

基于BP神经网络的字母识别系统设计与实现毕业论文.docx

《基于BP神经网络的字母识别系统设计与实现毕业论文.docx》由会员分享，可在线阅读，更多相关《基于BP神经网络的字母识别系统设计与实现毕业论文.docx（28页珍藏版）》请在冰豆网上搜索。

（此文档为word格式，下载后您可任意编辑修改！

）

济南大学泉城学院

毕 业 论 文

题

目

基于BP神经网络的字母识别系统

专

业

设计与实现

电气工程及其自动化

班 级 07Q2

学 生

学 号指导教师

二〇一一年六月七日

-1-

摘 要

基于前向反馈神经网络的字母识别技术在科学技术日新月异的今天迅速得到发展，在诸多的方面得到应用包括出版、金融、军事、现金登记、页面浏览以及任何带有重复性、变化性数据的文件。

英文字母识别系统的设计经过以下几个过程：

预处理、特征提取、BP神经网络的训练、识别。

本文的重点在于BP神经网络。

本文运用的是三层神经网络，输入层、隐含层、输出层。

隐含层节点的确定本文给出了多种方法，本文运用了根值的方法。

基于人工神经网络字母识别的特点和优越性，主要表现在三个方面：

第一，具有自学习功能。

字母识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，然后在识别之前对神经网络进行训练形成稳定的权值这样网络通过自学习功能，慢慢学会识别类似的图像。

第二，具有联想存储功能。

用人工神经网络的反馈网络在字母识别时可以实现这种联想。

第三，具有高速寻找优化解的能力。

字母识别时寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络的字母识别系统，发挥计算机的高速运算能力，可能很快找到优化解。

本文是在matlab环境下模拟整个英文字母的识别过程，随着科学技术的发展识别技术更加成熟，各种难题都将会得到解决。

关键词：

字母识别；图像处理；特征提取；BP神经网络

ABSTRACT

Todaythescienceandtechnologydeveloprapidly.Letter recognitiontechnologybasedonthefeedbackneuralnetworkisappliedinmanyaspectsincludingpublication,financemilitary,cashregister,pageviews,andanywithrepeatability,andvariabilityofdatafiles.

LetterIdentificationSystemincludethefollowingprocesses:

preprocessing,featureextraction,BPneuralnetworktraining,andrecognition..

Inthispaper,weuseathree-layerneuralnetwork,includinginputlayer,layerandoutputlayer.ThispapersupplyofavarietyofmethodstodetermineHiddenlayernodes.Therootsignmethodandothermethod.thatproposedbytheNelsonandIllingwnrthareapplied.

ThefeaturesandadvantagesofArtificialneuralnetworkisreflectedinthreeaspects:

First,aself-learningfunction.Whenwerecognizeletters,onlyputtingmanydifferentimagesandthecorrespondingresultsintotheartificialneuralnetworkandformingastableweightbeforetheletterrecognition,thenetworkwillbethroughself-learningfunctiontoslowlyidentifysimilarimages.Second,withtheassociationstorage.Artificialneuralnetworkfeedbacknetworkcanachievethisassociationintheletterrecognition.Third,findingtheoptimalsolutionwith ofacomplexoftenrequirealargeamountofcomputation.Usingadesignthat afeedbacktypeartificialneuralnetworkforproblemandplayingthe.

Inthematlabenvironmentthisarticlesimulatetheentireprocessofletterrecognition,withthedevelopmentofscienceandtechnologyrecognitiontechnologyismorematureand；imageprocessing；featureextraction；thefeedbackneuralnetwork

目 录

摘 要 I

ABSTRACT II

1前言 1

1.1研究背景及意义 1

1.2研究现状 2

1.3手写字母识别方法 3

1.3.1结构模式识别方法 3

1.3.2统计模式识别方法 3

1.3.3统计与结构相结合的识别方法 4

1.3.4人工神经网络方法 4

1.4识别系统性能的评价 5

1.5论文组织结构 5

2预处理 6

2.1系统框架 6

2.2预处理概述 6

2.3本文预处理设计 6

2.3.1去噪 7

2.3.2二值化 8

2.3.3归一化 10

2.3.4细化 11

3字母特征提取 13

3.1特征提取概述 13

3.2本文特征提取设计 13

3.2.1像素百分比特征 14

3.2.2提取矩阵的粗网格特征 15

3.2.3重心特征 16

3.2.4提取图像的矩阵像素特征 16

3.2.5笔划特征 17

3.2.6外轮廓特征提取 18

4BP神经网络 19

4.1人工神经网络 19

4.2神经网络的模型图 20

4.3BP神经网络的工作原理 21

4.4神经网络的各层节点数 22

4.4.1输入层和输出层 22

4.4.2隐含层节点数的优化确定 23

4.5BP神经网络的参数设计和训练过程[17] 25

5实验结果及分析 28

5.1实验设计 28

5.1.1实验参数 28

5.1.2训练和识别样本库设计 28

5.2隐含层节点对实验结果的影响 28

5.2识别样本的正确率 30

5.3实验结果分析 31

结 论 32

参考文献 33

致 谢 35

附 录 36

1 前言

1.1研究背景及意义

手写字母识别技术是光学字符识别（OpticalCharacterRecognition，简称OCR）的一个分支，字母识别的研究背景要追溯到早期的光学识别技术，距今已有40多年的发展历史。

早在60—70年代，世界各国就开始有关于OCR的研究，而在研究的初期，多以文字的识别方法研究为主线，且识别的文字仅为0~9的数字。

以同样拥有方块文字的日本为例子，其开始的光学字符识别技术走在世界前列，1960年左右开始研究光学字符识别的基本识别理论，在初期以数字为对象，直到1965至1970年之间开始有一些简单的产品，例如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业活动；因此至到今天邮政编码一直是各国所倡导的地址书写方式。

BP神经网络手写字母识别技术的研究有着重要的意义。

神经网络可以用于分类、聚类、预测等诸多领域。

识别技术用于计算机的数据自动输人，早期的识别系统被用于大量形式多样的数据输人方面，比如处理汽油借记卡等。

这种应用能够从非打印卡的账号中辨认购买者。

早期的设备与打孔处理器一起来使用，伴随着计算机和识别系统精密程度的提高。

识别的浏览器能够直接访误码CPO，这项技技术也影响到了信用卡交易的付款处理的过程。

目前，这些项应用仍是识别领域最主要用途之一。

英语是世界上使用人数最多的文字之一。

快速高效地将字母输人计算机，是信息处理的一个关键问题。

人工键入速度慢而且劳动强度大，对于大量已有的文档资料，英文自动识别输人就成为了最佳的选择。

它在英文信息处理、办公室自动化、机器翻译、人工智能等高技术领域，都有着重要的实用价值和理论意义。

对于印刷体字符，首先采用光学的方式将文档资料转换成原始黑白点阵的图像文件，然后通过识别软件将图像中的文字转换成文本格式，以便文字处理软件的进一步加工。

英文字符识别是模式识别的一个重要分支，也是文字识别领域比较困难的问题，它涉及模式识别、数字信号处理、图像处理、人工智能、模糊数学、计算机、信息论、中文信息处理等诸多学科，是一门综合性的技术。

近几年来，印刷英文字符识别系统的单字母识别正确率已经超过90.5％，为了进一步提高系统的总体识别率，扫描图像、图像的预处理及识别后处理等方面的技术也都得到了深入的研究，并取得了很大的的进展，有效地提高了印刷字母识别系统的总体性能

研究英文字母识别的BP神经网络模型，最终目的就是要使BP字母识别系统实现工业化，能像现在的一些手写英文字母识别系统或印刷体英文字母识别系统一样成为产品走向市场。

字母识别固然有很多难题，但是相信随着科学计算机技术、人工神经网络技术的快速发展以及人脑功能的进一步揭示，英文字母识别的理论和方法必将有大的飞跃.结合人工神经网络的发展史，我们有着对

BP神经网络的展望。

虽然神经网络的理论研究有着广阔的发展前景,但是每个领域的研究就是既充满诱惑又充满挑战.没有人可以肯定告诉我们它的发展不会再经受挫折,也没有人会知道一旦成功实现其最终的目标会给世界带来多大的巨变.但是我们有理由相信坚持不懈地致力于BP神经网络理论方法研究必定会给

21世纪科学研究带来辉煌。

1.2研究现状

于21世纪40年代早期人工神经网络在国外率先得到发展。

下面将以时间为顺序，以著名的人物或某一方面的突出研究成果为线索，简要介绍人工神经网络的发展历程。

在1943年，W·Mcculloch和W·Pitts通过分析、总结神经元的特性的基础上提出了神经元的数学模型。

该模型一直沿用至今，并且一直影响该领域研究的进展。

因而，称二人为人工神经网络研究领域的标志人物。

1982年，美国加州工物理学院J.J.Hopfield提出了Hopfield神经网格模型，引入了“计算能量”的概念，给出了网络稳定性判断。

1984年，他又提出了连续时间Hopfield神经网络模型，为神经计算机的研究做了开拓性的贡献，开创了神经网络用于联想记忆和优化计算的全新的途径，有力地推动了神经网络的研究发展，1985年，又有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局的稳定点在日本的“真实世界计算”项目中，人工智