【正文】 北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計(jì)（論文）一、原始依據(jù)（包括設(shè)計(jì)或論文的工作基礎(chǔ)、研究條件、應(yīng)用環(huán)境、工作目的等。 ）工作基礎(chǔ)：了解 C++的基本概念和語(yǔ)法，熟練使用 Visual C++ 軟件。研究條件：BP 神經(jīng)網(wǎng)絡(luò)的基本原理以及圖像處理的基本常識(shí)。應(yīng)用環(huán)境：基于 BP 神經(jīng)網(wǎng)絡(luò)的圖片圖像文件中的字符識(shí)別。工作目的：掌握基于 Visual C++ 應(yīng)用程序的開發(fā)。 了解人工智能的基本概念并掌握神經(jīng)網(wǎng)絡(luò)算法的基本原理。 掌握 Visual C++ 中的圖片處理的基本過(guò)程。二、參考文獻(xiàn)[1]人工智能原理及其應(yīng)用，王萬(wàn)森，電子工業(yè)出版社，2022.[2] VC++深入詳解，孫鑫 ，電子工業(yè)出版社，2022.[3]人工神經(jīng)網(wǎng)絡(luò)原理, 馬銳，機(jī)械工業(yè)出版社，2022.[4] Visual C++數(shù)字圖像處理典型案例詳解，沈晶，機(jī)械工業(yè)出版社，2022.[5]Application of Image Processing to the Characterization of NanostructuresManuel F. M. Costa， Reviews on Advanced Materials Science,2022.三、設(shè)計(jì)（研究）內(nèi)容和要求（包括設(shè)計(jì)或研究?jī)?nèi)容、主要指標(biāo)與技術(shù)參數(shù)，并根據(jù)課題性質(zhì)對(duì)學(xué)生提出具體要求。 ）掌握 C++的基本概念和語(yǔ)法。掌握二維神經(jīng)網(wǎng)絡(luò)的基本原理。了解 BP 神經(jīng)網(wǎng)絡(luò)的基本概念。完成 Visual C++中對(duì)于圖像的灰度、二值化等預(yù)處理。完成基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中數(shù)字的識(shí)別，并對(duì)其性能進(jìn)行統(tǒng)計(jì)和總結(jié)，分析其中的不足。指導(dǎo)教師（簽字）年 月 日審題小組組長(zhǎng)（簽字）年 月 日北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計(jì)（論文）北京理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文）開題報(bào)告課題名稱 基于 BP 神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法的實(shí)現(xiàn)系 名 稱 信息工程系 專業(yè)名稱 自動(dòng)化學(xué)生姓名 王加 指導(dǎo)教師 扈書亮一、課題來(lái)源及意義神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法是近幾年興起的模式識(shí)別領(lǐng)域的一個(gè)新的研究方向。由于神經(jīng)網(wǎng)絡(luò)的高速并行處理、分布存儲(chǔ)信息等特性符合人類視覺(jué)系統(tǒng)的基本工作原則，具有很強(qiáng)的自學(xué)習(xí)性、自組織性、容錯(cuò)性、高度非線性、高度魯棒性、聯(lián)想和記憶的功能和推理意識(shí)的功能等，能夠?qū)崿F(xiàn)目前基于計(jì)算理論層次上的模式識(shí)別理論所無(wú)法完成的模式信息處理工作，所以，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別、開辟了模式識(shí)別發(fā)展的新途徑。數(shù)字圖像技術(shù)是圖像處理領(lǐng)域中的一個(gè)重要研究方向。數(shù)字圖像處理技術(shù)發(fā)展到今天，數(shù)字圖像識(shí)別技術(shù)已經(jīng)獲得長(zhǎng)足的進(jìn)步。在工程、工業(yè)以及科學(xué)研究中的應(yīng)用有著廣闊的前景。由于人眼的判別容易產(chǎn)生視覺(jué)疲勞和失誤而引起的誤判、錯(cuò)判，甚至對(duì)一些關(guān)鍵信息漏判造成難以挽回的損失。因此，對(duì)數(shù)字字符顯示的動(dòng)態(tài)計(jì)算機(jī)自動(dòng)識(shí)別、自動(dòng)控制有著迫切的要求和實(shí)現(xiàn)的意義。在化工、電力、流量統(tǒng)計(jì)、技術(shù)檢測(cè)等各個(gè)行業(yè)實(shí)現(xiàn)自動(dòng)控制中的數(shù)字字符顯示的計(jì)算機(jī)自動(dòng)動(dòng)態(tài)識(shí)別、自動(dòng)控制在提高產(chǎn)品附加值和提高生產(chǎn)的效率、效益具有其特殊的意義。二、研究目標(biāo) Visual C++ 應(yīng)用程序的開發(fā)已經(jīng)應(yīng)用。 Visual C++ 中的圖片處理的基本方法。北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計(jì)（論文）三、研究?jī)?nèi)容在實(shí)現(xiàn)的過(guò)程中，分解為兩個(gè)模塊，即圖像預(yù)處理模塊和數(shù)字識(shí)別模塊。其中圖像預(yù)處理模塊在對(duì)圖像進(jìn)行了一系列變換后，把最后提取到的數(shù)字字符提交給數(shù)字識(shí)別模塊，然后進(jìn)行識(shí)別并給出結(jié)果。在圖像處理的過(guò)程當(dāng)中，采用了許多圖像處理的技術(shù)，最后把每個(gè)數(shù)字的特征提取出來(lái)。這些技術(shù)包括圖像數(shù)據(jù)讀取，圖像的灰度化、二值化，圖像的調(diào)整，離散噪聲點(diǎn)的去除，字符的切分，圖像的縮放，字符的細(xì)化，字符的平滑，圖像的求梯度等。在數(shù)字識(shí)別模塊中，利用神經(jīng)網(wǎng)絡(luò)（選用 BP 神經(jīng)網(wǎng)絡(luò)）進(jìn)行字符識(shí)別。利用神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別的過(guò)程主要包括網(wǎng)絡(luò)的訓(xùn)練、數(shù)據(jù)的讀取、字符的判定以及結(jié)果的輸出。 圖 11 圖像預(yù)處理流程圖圖 12 神經(jīng)網(wǎng)絡(luò)數(shù)字識(shí)別流程圖四、研究方法與手段完成 Visual C++ 中對(duì)于圖像的預(yù)處理和基于樣本的 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中數(shù)字的識(shí)別，并對(duì)其性能進(jìn)行統(tǒng)計(jì)和總結(jié)。對(duì)于圖像的灰度化、二值化等預(yù)處理、基于樣本的 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中數(shù)字的識(shí)別通過(guò) Visual C++ 軟件編程實(shí)現(xiàn)。特征提取是使用計(jì)算機(jī)提取圖像信息，來(lái)決定每個(gè)圖像的點(diǎn)是否屬于一個(gè)圖像特征。在字符識(shí)別當(dāng)中，特征的選擇是一個(gè)關(guān)鍵的問(wèn)題。字符的特征可以分為兩大特征：結(jié)構(gòu)特征和統(tǒng)計(jì)特征。特征提取的原則是所選用的特征能夠很好地反映字符本身的特點(diǎn)。 識(shí)別并給出結(jié)果樣本訓(xùn)練 字符特征輸入圖像輸入 灰度轉(zhuǎn)化 圖像二值化梯度銳化去離散噪聲傾斜度調(diào)整圖像分割 歸一化調(diào)整 緊縮重排特征提取北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計(jì)（論文）五、進(jìn)度安排— 查找資料，通過(guò)書籍和視頻學(xué)習(xí)C++ 的基本概念和語(yǔ)法，初步練習(xí)使用 Visual C++軟件。了解 BP 神經(jīng)網(wǎng)絡(luò)的 基本原理及人工智能的基本概念。完 成開題報(bào)告?！? 掌握 Visual C++中的圖片處理的基本 方法?！? 編寫程序，完成 Visual C++中對(duì)于圖 像的預(yù)處理。— 完成基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及 圖像中文字的識(shí)別，并對(duì)其性能進(jìn)行 統(tǒng)計(jì)和總結(jié)?！? 撰寫論文，準(zhǔn)備答辯。六、主要參考文獻(xiàn)[1] 王萬(wàn)森. 人工智能原理及其應(yīng)用[M]. 電子工業(yè)出版社 , 2022.[2] 孫鑫. VC++深入詳解[M]. 電子工業(yè)出版社, 2022.[3] 馬銳. 人工神經(jīng)網(wǎng)絡(luò)原理[M]. 機(jī)械工業(yè)出版社, 2022.[4] 沈晶. Visual C++數(shù)字圖像處理典型案例詳解[M]. 機(jī)械工業(yè)出版社, 2022.[5] 何志丹 Visual C++入門、進(jìn)階與應(yīng)用實(shí)例[M]. 人民郵電出版社, 2022.[6] 曾志軍, 孫國(guó)強(qiáng). 基于改進(jìn)的 BP 網(wǎng)絡(luò)數(shù)字字符識(shí)別[J].上課理工大學(xué)學(xué)報(bào), 2022, 32(1)5153. .[7] 周鳴爭(zhēng). 人工神經(jīng)網(wǎng)絡(luò)在自動(dòng)控制系統(tǒng)中的應(yīng)用[J]. 安徽機(jī)電學(xué)院學(xué)報(bào) , 2022,02(5)7175.[8] 張世輝, 孔令富. 漢字識(shí)別及現(xiàn)狀分析[J]. 燕山大學(xué)學(xué)報(bào) , 2022,04(3)8085..[9] 連勝. 基于神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別技術(shù)研究[D]. 中南大學(xué), 2022.[10] 張昭昭, 喬俊飛. 模塊化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析與設(shè)計(jì)[M]. 遼寧科學(xué)技術(shù)出版社,2022.[11] 趙蓉. 基于神經(jīng)網(wǎng)絡(luò)的聯(lián)機(jī)手寫識(shí)別系統(tǒng)研究與實(shí)現(xiàn)[D]. 西安電子科技大學(xué), 2022.[12] 趙輝, 葉子青. Visual C++系統(tǒng)開發(fā)實(shí)例精粹[M]. 人民郵電出版社.[13] 黃襄念, 程萍著. 文字識(shí)別原理與策略[M]. 第一版. 西南交通大學(xué)出版社, 2022..北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計(jì)（論文）[14] 韓力群. 人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M]. 第二版 . 化學(xué)工業(yè)出版社, 2022[15] 韓力群. 人工神經(jīng)網(wǎng)絡(luò)教程[M]. 北京郵電大學(xué)出版社 , 2022.[16]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science.[17] Bartlett P L. Ada Boost is Consistent [M]. Department of statics and puter science of California.選題是否合適： 是□ 否□課題能否實(shí)現(xiàn)： 能□ 不能□指導(dǎo)教師（簽字）年 月 日選題是否合適： 是□ 否□課題能否實(shí)現(xiàn)： 能□ 不能□審題小組組長(zhǎng)（簽字）年 月 日北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計(jì)（論文）摘　　要人工神經(jīng)網(wǎng)絡(luò)是通過(guò)對(duì)人腦生物神經(jīng)機(jī)理進(jìn)行簡(jiǎn)化，抽象和模擬之后建立起來(lái)的一種計(jì)算模型，屬于機(jī)器學(xué)習(xí)的重要研究領(lǐng)域。本設(shè)計(jì)主要提出一種用神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別含有數(shù)字字符的方法。神經(jīng)網(wǎng)絡(luò)采用帶有動(dòng)量項(xiàng)和自適應(yīng)學(xué)習(xí)率的反向傳播算法(BP) 進(jìn)行訓(xùn)練。在識(shí)別之前要對(duì)圖像進(jìn)行一系列的預(yù)處理，主要包含灰度化、二值化、銳化、噪聲去除、字符分割、字符歸一化、字符骨架提取等。經(jīng)過(guò)預(yù)處理的圖片適合后續(xù)的訓(xùn)練及識(shí)別。預(yù)處理后對(duì)圖片上的字符進(jìn)行特征提取，特征提取的方法很多，這里選擇效果較好的十三特征提取法來(lái)進(jìn)行特征提取。最后采用 BP 神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)待檢測(cè)的圖片上的數(shù)字進(jìn)行識(shí)別。關(guān)鍵詞：反向傳播算法。BP 網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)。圖像處理。特征提取北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計(jì)（論文）ABSTRACT Artificial neural work is a putational model which is established after the simplification of the biological neural mechanism of human brain and abstract and simulation. It belongs to the important research field of machine learning. In this design, a neural work is proposed to identify the method of containing digital character. The neural work is trained by the back propagation (BP) algorithm with momentum and adaptive learning rate. Before identification, there are a series of image pretreatment which are graying, binarization, sharpening, noise removal, character segmentation, character normalization and character skeleton extraction. Images which are pretreated will be more suitable for the later training and recognition. After pretreatment, feature extraction is performed. There are a lot of ways of feature extraction, the extraction method of thirteen features which has better evaluation was chosen here. Finally, it uses BP neural work to identify the numbers on the pictures which are to be tested. Keywords: BP algorithm。 BP Neural Network。 ANN。 image processing；Feature Extraction.0目　　錄　　第一章　　 緒論 ....................................1　 字符識(shí)別的簡(jiǎn)介 .................................1　 文字識(shí)別方法及研究現(xiàn)狀 .........................1　 課題研究?jī)?nèi)容 ...................................2第二章　　 人工神經(jīng)網(wǎng)絡(luò) ............................3　 人工神經(jīng)網(wǎng)絡(luò)算法 ...............................3　 BP 網(wǎng)絡(luò) .........................................6第三章　　 圖像的預(yù)處理 ...........................13　 256 色位圖灰度化 ...............................13　 灰度圖像二值化 ................................14　 圖像的梯度銳化 ................................15　 去除離散的雜