【正文】 畢業(yè)設(shè)計（論文）任務(wù)書題目：基于神經(jīng)網(wǎng)絡(luò)的數(shù)字識別系統(tǒng)的設(shè)計系 名 信息工程系 專 業(yè) 自動化 年 級 2022 級 學(xué)生姓名 許凱鑰 學(xué) 號 6009206039 指導(dǎo)教師 扈書亮 職 稱 講 師 2022 年 12 月 15 日一、原始依據(jù)（包括設(shè)計或論文的工作基礎(chǔ)、研究條件、應(yīng)用環(huán)境、工作目的等。 ）工作基礎(chǔ)：了解 C++的基本概念和語法，熟練使用 Visual C++軟件。研究條件：依據(jù) BP 神經(jīng)網(wǎng)絡(luò)的基本原理完成算法實現(xiàn)。應(yīng)用環(huán)境：基于 BP 神經(jīng)網(wǎng)絡(luò)的圖像文件中的數(shù)字識別。工作目的：熟練掌握 Visual C++應(yīng)用程序的開發(fā)。 了解人工智能的基本概念以及神經(jīng)網(wǎng)絡(luò)的基本原理。 熟練掌握 Visual C++中的圖片處理的基本方法。二、參考文獻(xiàn)[1]人工智能原理及其應(yīng)用，王萬森，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 Nanostructures，Manuel F. M. Costa， Reviews on Advanced Materials Science,2022.三、設(shè)計（研究）內(nèi)容和要求（包括設(shè)計或研究內(nèi)容、主要指標(biāo)與技術(shù)參數(shù)，并根據(jù)課題性質(zhì)對學(xué)生提出具體要求。 ）掌握 C++的基本概念和語法。了解神經(jīng)網(wǎng)絡(luò)的基本原理。完成 Visual C++中對于圖像的預(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別，并對其性能進(jìn)行統(tǒng)計和總結(jié)。指導(dǎo)教師（簽字）年 月 日審題小組組長（簽字）年 月 日天津大學(xué)仁愛學(xué)院本科生畢業(yè)設(shè)計（論文）開題報告課題名稱 基于神經(jīng)網(wǎng)絡(luò)的數(shù)字識別系統(tǒng)的設(shè)計系 名 稱 信息工程系 專業(yè)名稱 自動化學(xué)生姓名 許凱鑰 指導(dǎo)教師 扈書亮一、課題來源及意義多層感知器神經(jīng)網(wǎng)絡(luò) BP(Back Propagation)網(wǎng)絡(luò)是 1986 年由 Rumelhart 和McClelland 為首的科學(xué)家提出 ,是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò),是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP 網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入輸出模式映射關(guān)系,而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法,通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和最小。由于人工神經(jīng)網(wǎng)絡(luò)等新技術(shù)的引進(jìn)，從上世紀(jì) 70 年代以來，光學(xué)字符識別技術(shù)逐漸走向成熟。進(jìn)入九十年代以來，人工神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展十分迅速，它具有模擬人類部分形象思維的能力，是一種模仿人腦學(xué)習(xí)、記憶、推理等認(rèn)知功能的新方法。特別是它的信息并行分布式處理能力和自學(xué)習(xí)功能等顯著優(yōu)點，更是激起了人們對它的極大的興趣。為模式識別開辟了新的途徑，成了模擬人工智能的一種重要方法。近年來,字符識別技術(shù)在維持國民經(jīng)濟(jì)迅速發(fā)展的多個領(lǐng)域中占據(jù)著非常重要的地位。目前，小規(guī)模光學(xué)字符識別系統(tǒng)應(yīng)用廣泛，有著巨大地商業(yè)前景，如郵政編碼識別、汽車招牌識別、產(chǎn)品編碼識別等。因此，對于研究基于神經(jīng)網(wǎng)絡(luò)的文字識別系統(tǒng)有重要的意義。二、研究目標(biāo) Visual C++應(yīng)用程序的開發(fā)。 Visual C++中的圖片處理的基本方法。三、研究內(nèi)容 系統(tǒng)識別框架圖基于 BP 網(wǎng)絡(luò)的文字識別系統(tǒng)分為兩個階段，學(xué)習(xí)階段與識別階段。兩個階段都要對樣本字母進(jìn)行預(yù)處理、特征提取，學(xué)習(xí)階段還要進(jìn)行確定穩(wěn)定的權(quán)值，識別階段還要經(jīng)過分類在輸出識別結(jié)果。數(shù)字圖像在采集過程中，受到像素質(zhì)量、掃描性能的影響，數(shù)字圖像會帶有形變和噪聲，這些變化都會影響識別效果。因此要進(jìn)行預(yù)處理，目的是消除原始圖像中的噪聲，將原來的圖像轉(zhuǎn)化為清晰地二值化圖像，便于微觀結(jié)構(gòu)特征的提取。預(yù)處理過程包括去噪、二值化、歸一化和細(xì)化。特征提取是使用計算機(jī)提取圖像信息，來決定每個圖像的點是否屬于一個圖像特征。在字符識別當(dāng)中，特征的選擇是一個關(guān)鍵的問題。字符的特征可以分為兩大特征：結(jié)構(gòu)特征和統(tǒng)計特征。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。 訓(xùn)練模式是用樣本字符進(jìn)行識別，將識別效果與樣本進(jìn)行比對，判斷是否存在誤差。多次訓(xùn)練，直至誤差滿足在一定范圍內(nèi)即可。學(xué)習(xí)階段完成進(jìn)入識別階段，識別階段同樣進(jìn)行預(yù)處理與特征提取兩個環(huán)節(jié)，與學(xué)習(xí)階段不同的是它還要進(jìn)行分類才能輸出結(jié)果。四、研究方法與手段完成 Visual C++中對于圖像的預(yù)處理及基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中文字的識別，并對其性能進(jìn)行統(tǒng)計和總結(jié)。對于圖像的預(yù)處理、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別通過 Visual C++軟件編程實現(xiàn)。特征提取是使用計算機(jī)提取圖像信息，來決定每個圖像的點是否屬于一個圖像特征。在字符識別當(dāng)中，特征的選擇是一個關(guān)鍵的問題。字符的特征可以分為兩大特征：結(jié)構(gòu)特征和統(tǒng)計特征。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。 樣本字符 特征提取預(yù)處理 訓(xùn)練模式輸出結(jié)果分類特征提取預(yù)處理待識別字符學(xué)習(xí)階段識別階段五、進(jìn)度安排— 查找資料，通過書籍和視頻學(xué)習(xí)C++ 的基本概念和語法，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 圖像中文字的識別，并對其性能進(jìn)行 統(tǒng)計和總結(jié)?！? 撰寫論文，準(zhǔn)備答辯。六、主要參考文獻(xiàn)[1] 王萬森. 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] 曾志軍, 孫國強(qiáng). 基于改進(jìn)的 BP 網(wǎng)絡(luò)數(shù)字字符識別[J].上課理工大學(xué)學(xué)報, 2022, 32(1)5153. .[6] 周鳴爭. 人工神經(jīng)網(wǎng)絡(luò)在自動控制系統(tǒng)中的應(yīng)用[J]. 安徽機(jī)電學(xué)院學(xué)報 , 2022,02(5)7175.[7] 張世輝, 孔令富. 漢字識別及現(xiàn)狀分析[J]. 燕山大學(xué)學(xué)報 , 2022,04(3)8085..[8] 李連勝. 基于神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別技術(shù)研究[D]. 中南大學(xué), 2022.[9] 趙蓉. 基于神經(jīng)網(wǎng)絡(luò)的聯(lián)機(jī)手寫識別系統(tǒng)研究與實現(xiàn)[D]. 西安電子科技大學(xué), 2022.[10] 趙輝, 葉子青. Visual C++系統(tǒng)開發(fā)實例精粹[M]. 人民郵電出版社.[11] 黃襄念, 程萍著. 文字識別原理與策略[M]. 第一版. 西南交通大學(xué)出版社, 2022.[12] 韓力群. 人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計及應(yīng)用[M]. 第二版 . 化學(xué)工業(yè)出版社, 2022.[13] 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.[14]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science.[15] 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□課題能否實現(xiàn)： 能□ 不能□審題小組組長（簽字）年 月 日畢業(yè)設(shè)計（論文）說明書題目：基于神經(jīng)網(wǎng)絡(luò)的數(shù)字識別系統(tǒng)的設(shè)計系 名 信息工程系 專 業(yè) 自動化 年 級 2022 級 姓 名 許凱鑰 指導(dǎo)教師 扈書亮 2022 年 6 月 6 日摘　　要目前，小規(guī)模光學(xué)字符識別系統(tǒng)應(yīng)用廣泛，有著巨大的應(yīng)用前景，如郵政編碼識別、汽車招牌識別、產(chǎn)品編碼識別等。本課題綜合分析了國內(nèi)外文字識別技術(shù)的發(fā)展現(xiàn)狀，利用 BP 神經(jīng)網(wǎng)絡(luò)設(shè)計并實現(xiàn)一種高效可靠的字符識別系統(tǒng)。本設(shè)計主要完成了如何利用 BP 神經(jīng)網(wǎng)絡(luò)去識別圖片上的字符。在識別之前要對圖像進(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)過預(yù)處理的圖片適合后續(xù)的訓(xùn)練及識別。預(yù)處理后對圖片上的字符進(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進(jìn)行特征提取。最后采用 BP 神經(jīng)網(wǎng)絡(luò)來對待檢測的圖片上的數(shù)字進(jìn)行識別。關(guān)鍵詞：字符識別。BP 網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)。預(yù)處理。特征提取ABSTRACTCurrently, smallscale optical character recognition system is widely used, and it has great prospects in application, such as zip code recognition, auto signature identification, product code recognition, and so on. This papper analyzes the development status of recognition technology at home and abroad prehensively, by using BP neural work can we design and implement an efficient and reliable character recognition system.This design can realize the recognition of characters on the picture by using BP neural work. 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: Character Recognition。 Pretreatment。 BP Neural Network。 Artificial Neural Network；Feature Ex