【正文】 像的高度和寬度，分別與系統(tǒng)要求得到的高度和寬度作比較，得出要變換的系數(shù)，然后根據(jù)得到的系數(shù)計(jì)算每一個(gè)原始像素點(diǎn)歸一化后在新圖像中的位置，最后計(jì)算新圖像中每個(gè)像素點(diǎn)的值，方法是：求出原始像素點(diǎn)及其周?chē)齻€(gè)點(diǎn)的像素值的平均值，最后用函數(shù) 取整 ,調(diào)用格式為 B=floor(A),B 取小于或者等于 A 的整數(shù)。例如 rate= 時(shí)，高度和寬度都將縮小一半，原始圖像也就縮小了一半。由于 10 14像素圖像（ 10 是圖像寬度， 14 是圖像高度）較小，書(shū)寫(xiě)時(shí)難度較大。三類(lèi)閾值的選擇是一個(gè)比較復(fù)雜的問(wèn)題，有的可以由計(jì)算機(jī)自動(dòng)選擇，有的需人工干預(yù)。對(duì)數(shù)字字符圖像二值化后要能真實(shí)的再現(xiàn)原數(shù)字 , 其基本要求為 :筆畫(huà)中不出現(xiàn)空白點(diǎn) , 二值化的筆畫(huà)基本保持原來(lái)文字的結(jié)構(gòu)特征。 end end Xtemp=Xtemp/9。線(xiàn)性濾波器的設(shè)計(jì)常基于對(duì)傅立葉變換的分析，如均值濾波器；非原始圖像 平滑去噪 二值化 歸 一 化 細(xì) 化 基于 神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 第二章 手寫(xiě)數(shù)字識(shí)別 6 線(xiàn)性濾波器則一般直接對(duì)鄰域進(jìn)行操作，如中值濾波器。有的識(shí)別方法對(duì)細(xì)化要求很高，有的則不需要細(xì)化。這就要求預(yù)處理在消除圖像中與識(shí)別無(wú)關(guān)的因素時(shí)盡量保持原圖像的字符特征。 如圖 。筆劃的書(shū)寫(xiě)順序經(jīng)常發(fā)生變化，因此極大地增加了匹配的難度。手寫(xiě)阿拉伯?dāng)?shù)字具有變形多差異大的特點(diǎn)，字形與書(shū)寫(xiě)人的職業(yè)、文化程度、書(shū)寫(xiě)習(xí)慣以及 所使用筆墨紙張所處環(huán)境等都有關(guān)，所以手寫(xiě)體數(shù)字變形多、規(guī)律復(fù)雜。手寫(xiě)體數(shù)字識(shí)別是字符識(shí)別的一個(gè)分支，問(wèn)題雖然簡(jiǎn)單，但卻有較大的實(shí)用價(jià)值。 本文通過(guò)圖像預(yù)處理和數(shù)字特征提取以后基于神經(jīng)網(wǎng)絡(luò)的判別方法，然后結(jié)合使用了 MATLAB工具箱中提供的人工神經(jīng)網(wǎng)絡(luò)函數(shù)設(shè)計(jì)了一種手寫(xiě)數(shù)字識(shí)別的新方法。人工神經(jīng)網(wǎng)絡(luò)是由一些類(lèi)似人腦神經(jīng)元的簡(jiǎn)單處理單元相互連接而成的復(fù)雜網(wǎng)絡(luò)。但是自由手寫(xiě)體數(shù)字的識(shí)別工作目前并不成熟，仍舊是文字識(shí)別中最有挑戰(zhàn)性的課題之一。目前國(guó)際上有相當(dāng)多的學(xué)者在研究這一課題，它包括了模式識(shí)別領(lǐng)域中所有典型的問(wèn)題 :數(shù)據(jù)的采集、處理及選擇、輸入樣本表達(dá)的選擇、模式識(shí)別分類(lèi)器的選擇以及用樣本集對(duì)識(shí)別器的有指導(dǎo)的訓(xùn)練。 神經(jīng)網(wǎng)絡(luò)在手寫(xiě) 體數(shù)字 識(shí)別中的應(yīng)用 目前，隨著計(jì)算機(jī)的迅速發(fā)展，性能價(jià)格比的不斷提高，模式 識(shí)別技術(shù)已經(jīng)從理論探討為主發(fā)展到大量的實(shí)際應(yīng)用，人們將更多的注意力開(kāi)始轉(zhuǎn)向那些用于語(yǔ)音、圖像、機(jī)器人以及人工智能等的模式識(shí)別實(shí)際問(wèn)題。這事因?yàn)?，第一，?個(gè)阿拉伯?dāng)?shù)字是全世界的一套通用字符。脫機(jī) 字 符 識(shí)別的研究最早始于上個(gè)世紀(jì)六十年代 ，是為了應(yīng)付漢英翻譯的需要。印刷體字符比手寫(xiě)體字符少了隨機(jī)性，它的識(shí)別相對(duì)容易些，難點(diǎn)已 經(jīng)不在識(shí)別環(huán)節(jié)，而在于字符的分割上。 OCR 所使用的輸入設(shè)備可以是任何一種圖像采集設(shè)備，如掃描儀、數(shù)字相機(jī)等。在聯(lián)機(jī)手寫(xiě)字符識(shí)別中，計(jì)算機(jī)能夠通過(guò)與計(jì)算機(jī)相連的手寫(xiě)輸入設(shè)備獲得輸入字符筆劃的順序、筆劃的方向以及字符的形狀，所以相對(duì) OCR 來(lái)說(shuō)它更容易識(shí)別一些。 字符識(shí)別是模式識(shí)別領(lǐng)域中的一個(gè)非常活躍的分支。 practically, being a kind of information processing measured, character recognition has a very broad application background and vast need of market. Thus, it is of both theoretical and practical significance. Artificial neural work recognition method is a new method of the research field in recent years, and this method has some merit that traditional technique do not have。 由于手寫(xiě)體數(shù)字識(shí)別難于建立精確的數(shù)學(xué)模型 ,所以本文采用 BP 神經(jīng)網(wǎng)絡(luò)對(duì)這一問(wèn)題進(jìn)行處理。 中 南 大 學(xué) 本科生畢業(yè)論文（設(shè)計(jì)） 題 目 基于 神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字 識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 目 錄 摘要 ................................................................. Ⅰ ABSTRACT ............................................................. Ⅱ 第一章 緒論 ........................................................... 1 手寫(xiě)體數(shù)字識(shí)別研究的發(fā)展及研究現(xiàn)狀 ............................. 1 神經(jīng)網(wǎng)絡(luò)在手寫(xiě)體數(shù)字識(shí)別中的應(yīng)用 ............................... 2 論文結(jié)構(gòu)簡(jiǎn)介 ................................................... 3 第二章 手寫(xiě)體數(shù)字識(shí)別 ................................................. 4 手寫(xiě)體數(shù)字識(shí)別的一般方法及難點(diǎn) ................................. 4 圖像預(yù)處理概述 ................................................. 5 圖像預(yù)處理的處理步驟 ........................................... 5 圖像的平滑去噪 ........................................... 5 二值話(huà)處理 ............................................... 6 歸一化 ................................................... 7 細(xì)化 ..................................................... 8 小結(jié) ........................................................... 9 第三章 特征提取 ...................................................... 10 特征提取的概述 ................................................ 10 統(tǒng)計(jì)特征 ...................................................... 10 結(jié)構(gòu)特征 ...................................................... 11 結(jié)構(gòu)特征提取 ............................................ 11 筆劃特征的提取 .......................................... 11 數(shù)字的特征向量說(shuō)明 ...................................... 12 知識(shí)庫(kù)的建立 .................................................. 12 第四章 神經(jīng)網(wǎng)絡(luò) 在數(shù)字識(shí)別中的應(yīng)用 .................................... 14 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介及其工作原理 ...................................... 14 神經(jīng)網(wǎng)絡(luò)概述 [14] ........................................... 14 神經(jīng)網(wǎng)絡(luò)的工作原理 ....................................... 14 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練 [15] ........................................ 15 BP 神經(jīng)網(wǎng)絡(luò) ................................................... 16 BP 算法 .................................................. 16 BP 網(wǎng)絡(luò)的一般學(xué)習(xí)算法 .................................... 16 BP 網(wǎng)絡(luò)的設(shè)計(jì) ............................................ 18 BP 學(xué)習(xí)算法的局限性與對(duì)策 ..................................... 20 對(duì) BP算法的改進(jìn) ............................................... 21 第五章 系統(tǒng)的實(shí)現(xiàn)與結(jié)果分析 .......................................... 23 軟件開(kāi)發(fā)平臺(tái) .................................................. 23 MATLAB 簡(jiǎn)介 .............................................. 23 MATLAB 的特點(diǎn) ............................................ 23 使用 MATLAB 的優(yōu)勢(shì) ....................................... 23 系統(tǒng)設(shè)計(jì)思路 .................................................. 24 系統(tǒng)流程圖 .................................................... 24 MATLAB 程序設(shè)計(jì) ............................................... 24 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析 ............................................ 26 結(jié)論 ................................................................. 27 參考文獻(xiàn) ............................................................. 28 致謝 ................................................................. 30 附錄 ................................................................. 31 I 摘 要 手寫(xiě)體 數(shù) 字識(shí)別是模式識(shí)別中一個(gè)非常重要和活躍的研究領(lǐng)域， 數(shù) 字識(shí)別 也 不是一項(xiàng)孤立的技術(shù)，它所涉及的問(wèn)題是模式識(shí)別的其他領(lǐng)域都無(wú)法回避的；應(yīng)用上，作為一種信息處理手段，字符識(shí)別有廣闊的應(yīng)用背景和巨大的市場(chǎng)需求。這些優(yōu)點(diǎn)使它在手寫(xiě)體字符的識(shí)別中能對(duì)大量數(shù)據(jù)進(jìn)行快速實(shí)時(shí)處理，并達(dá)到良好的識(shí)別效果。 關(guān)鍵詞 ： 手寫(xiě)體數(shù)字識(shí)別，特征提取， 人工神 經(jīng)網(wǎng)絡(luò)， MATLAB II ABSTRACT Handwritten character recognition is a very important and active research in pattern recognition. Theoretically, it is not an isolated technique. It concerns with the problem that all the other areas of pattern recognition must confronted。一個(gè)模式識(shí)別系統(tǒng)的基本職能是對(duì)系統(tǒng)所要處理的模式歸屬于哪一類(lèi)做出判別，從該系統(tǒng)的 模式輸入到系統(tǒng)做出判別之間，主要包括信息檢測(cè)、預(yù)處理、特征提取和分類(lèi)幾大環(huán)節(jié)。 字符識(shí)別，從采用的輸入設(shè)備來(lái)分，可分為脫機(jī)識(shí)別（又稱(chēng)為光學(xué)字符識(shí)別Optical Character Recognition ,OCR）和聯(lián)機(jī)識(shí)別，脫機(jī)字符又分為印刷體和手寫(xiě)字符識(shí)別，從對(duì)書(shū)寫(xiě)者要求來(lái)分，手寫(xiě)字符又分為限制性和非限制性的手寫(xiě)字符識(shí)別。比起聯(lián)機(jī)字符識(shí) 別來(lái)， OCR 不要求書(shū)寫(xiě)者在特定輸入設(shè)備上書(shū)寫(xiě)， 它 可以與平常一樣書(shū)寫(xiě)，所以 OCR 的應(yīng)用更為廣泛。 脫機(jī)字符識(shí)別（ OCR）分為印刷體 OCR 和手寫(xiě) OCR。本文將以手寫(xiě)體數(shù)字為代表，討論非限制性手寫(xiě)體字符的識(shí)別。非限制性手寫(xiě) OCR 的研究始終以阿拉伯?dāng)?shù)字為主導(dǎo)。對(duì)脫機(jī)手寫(xiě) 體 字符的研究，人們由簡(jiǎn)單集成筆畫(huà)密度、筆畫(huà)方向和背景特征方法 過(guò)渡到 特征匹配方