【正文】 層關(guān)系示例系統(tǒng)所用 BP 網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計BP 網(wǎng)絡(luò)的設(shè)計一般要考慮這幾個問題 [11]： ①網(wǎng)絡(luò)的層數(shù)；②每層的神經(jīng)元數(shù)；③每層的激活函數(shù)；④初值的選擇。人工神經(jīng)網(wǎng)絡(luò)具有一些傳統(tǒng)技術(shù)所沒有的優(yōu)點，例如良好的容錯能力、較強的分類能力、并行處理能力和自學(xué)習(xí)能力。第四章主要介紹了對本系統(tǒng)的仿真結(jié)果。BP 網(wǎng)絡(luò)應(yīng)用過程如圖 所示。所以如果函數(shù)的漸近值是 0，1 的話，期望輸出只能是小于 1 大于 0 的數(shù)，而不能是 1 或者 0，否則可能會導(dǎo)致算法不收斂。第八步：判斷是否學(xué)習(xí)完所有的樣本，是則結(jié)束，否則轉(zhuǎn)第三步。BP 學(xué)習(xí)算法可以歸納如下：第一步：設(shè)置變量和參數(shù)，其中包括訓(xùn)練樣本，權(quán)值矩陣，學(xué)習(xí)速率。常用的基本激勵函數(shù)有閾值函數(shù)、分段線性函數(shù)、Sigmoid 函數(shù)。圖 是神經(jīng)網(wǎng)絡(luò)的示意圖。下面介紹 BP 學(xué)習(xí)算法，BP 學(xué)習(xí)過程可以描述如下 [4]：作信號正向傳播：輸入信號從輸入層經(jīng)過隱含層，傳向輸出層，在輸出端生輸出信號。關(guān)于隱層神經(jīng)元的確定，將在 BP 網(wǎng)絡(luò)的設(shè)計中詳細(xì)討論。這里，P 表示一 R 維的輸入向量，B 為偏置向量，W 為網(wǎng)絡(luò)的權(quán)值矩陣，f 為激活傳輸函數(shù)，a 為網(wǎng)絡(luò)的輸出向量。樹突是樹狀的神經(jīng)纖維接受網(wǎng)絡(luò)，它將電信號傳遞給細(xì)胞體，細(xì)胞體對這些輸入信號進(jìn)行整合并進(jìn)行閥值處理。設(shè)標(biāo)準(zhǔn)字符庫中有 W1,W2,…Wm 個字符類別，每一個字符類別有一個標(biāo)準(zhǔn)樣本，分別表示為，Z1,Z2,…Zm。不同字體的同一字符的結(jié)構(gòu)約 80%相同，其主要差異在于:(l)同字體的字符之間有較大的差異。對各種函件票證的分揀、傳送、驗核等。關(guān)鍵詞：印刷體數(shù)字識別 BP 神經(jīng)網(wǎng)絡(luò) 圖像分割 特征提取 模板匹配。系統(tǒng)首先對印刷體數(shù)字進(jìn)行預(yù)處理，提取數(shù)字特征，然后運用特定的識別算法，實現(xiàn)了數(shù)字圖像的自動識別。首先，在對數(shù)字進(jìn)行圖像處理后，采用網(wǎng)格特征和交叉點特征相結(jié)合的方法作為其數(shù)字特征，建立數(shù)字標(biāo)準(zhǔn)特征庫。目前，人類的許多信息是記錄在紙上的文字圖像，將這些信息輸入計算機是非常繁瑣而低效率的工作，這在一定的程度上減緩了社會信息化的進(jìn)程。 字符識別的方法和關(guān)鍵 基于模板匹配的印刷體數(shù)字識別技術(shù)的原理印刷體字符由于不存在變形，或者說變形不會像手寫體數(shù)字那么大，所以識別起來相對容易一點，不過也不像想象中的那么簡單。把這些特征與標(biāo)準(zhǔn)字符特征庫中的字符特征進(jìn)行比較，來確定被識別字符是標(biāo)準(zhǔn)庫中的哪一個。即從生物學(xué)神經(jīng)系統(tǒng)的信號傳遞而抽象發(fā)展而成的一門學(xué)科。神經(jīng)元的輸入是信號 P，經(jīng)過一個累加器累加后的信號送入一個激活函數(shù) f，從而得到這個神經(jīng)元的輸出 a。多層網(wǎng)絡(luò)可以解決很多單層網(wǎng)絡(luò)無法解決的問題，比如多層網(wǎng)絡(luò)可以用來進(jìn)行非線性分類，可以用來做精度極高的函數(shù)逼近，只要有足夠多的層和足夠多的神經(jīng)元，這些都可以辦到。不過一般來說，感知器的分類能力較差。誤差信號的反向傳播就是誤差信號從輸出端傳向輸入端。 ^^ jkkjkkjk fyyE????若 j 不是輸出節(jié)點時，有： （）)(39。判斷是否滿足要求，若滿足轉(zhuǎn)第八步；步滿足轉(zhuǎn)第六步。B. 初始權(quán)值不要太大。經(jīng)圖像預(yù)處理過程之后，可以將最終提取到的字符的特征送入 BP 網(wǎng)絡(luò)進(jìn)行訓(xùn)練及識別了。本文的結(jié)構(gòu)安排如下：第一章介紹研究印刷體字符識別的目的及意義，以及印刷體字符識別的基本原理。 模板匹配識別的軟件實現(xiàn)基于模板匹配的數(shù)字識別，首先是利用 CMOS 圖像傳感器采集測試數(shù)字的圖像，讀回數(shù)字圖像的灰度數(shù)組，然后對其進(jìn)行圖像的預(yù)處理，提取測試數(shù)字的特征，與標(biāo)準(zhǔn)字符特征庫模板匹配，實現(xiàn)識別。BP 算法工作過程如下 [10]：（1）正向傳播：輸入的樣本從輸入層經(jīng)過隱層處理后傳向輸出層；在逐層處理的過程中，每一層神經(jīng)元的狀態(tài)只對下一層神經(jīng)元的狀態(tài)產(chǎn)生影響。2 每層神經(jīng)元數(shù)（1）輸入層節(jié)點個數(shù)由于 BP 網(wǎng)絡(luò)不能直接處理圖片信息，需要將要識別的圖像進(jìn)行預(yù)處理。結(jié)果如表 所示，其中 S1 為隱層節(jié)點個數(shù)， Epochs 為訓(xùn)練循環(huán)次數(shù)。 本章小結(jié)本章主要介紹了目前印刷體字符識別最常用的兩種方法——模板匹配法和BP 神經(jīng)網(wǎng)絡(luò)法，并且給出了各自的算法，其中，對神經(jīng)網(wǎng)絡(luò)做了詳細(xì)的介紹，給出了在 BP 神經(jīng)網(wǎng)絡(luò)用于印刷體字符識別的時候各層的節(jié)點數(shù)和每層的神經(jīng)元數(shù)目，最后給出了算法流圖。下面主要介紹一下最大類間方差法確定閾值。logsig39。 設(shè)置的訓(xùn)練步數(shù)誤差范圍：=2500。特征向量的提取方法多種多樣，有逐象素特征提取發(fā)，骨架特征提取法，垂直方向數(shù)據(jù)統(tǒng)計特征提取法，13 點特征提取法，弧度梯度特征提取法等很多種方法，根據(jù)具體情況的不同我們可以來選擇不同的方法。將模板的特征提取出來，保存在文件里，建立標(biāo)準(zhǔn)的特征庫[19]。 Ordfilt2[20]執(zhí)行過濾，是 medfilt2 延伸。第五章 總結(jié)與展望 總結(jié)本文研究內(nèi)容為基于 BP 神經(jīng)網(wǎng)絡(luò)的印刷體數(shù)字圖像的檢測與識別，這里重點放在了對 BP 神經(jīng)網(wǎng)絡(luò)的應(yīng)用上，在課題研究過程中，由于時間、精力和條件等因素的限制，對一些問題的研究深度不夠，在以下幾個方面還需要做進(jìn)一步研究工作:，以及針對某些步驟尋找更簡單有效的方法，完善某些不甚成熟的地方，從而更好的提高識別率和收斂速度，這將是本文繼續(xù)研究的內(nèi)容。感謝大學(xué)期間對我諄諄教導(dǎo)的老師和領(lǐng)導(dǎo)們，讓我順利地完成了自己的學(xué)業(yè)。利用智能方法對二值圖像中的文本進(jìn)行分割，對印刷體數(shù)字進(jìn)行檢測并完成識別的目的。通過仿真實驗表明該系統(tǒng)具有一定的檢測率和識別率，能夠?qū)崿F(xiàn)初步的數(shù)字檢測和識別，并具有一定的抗噪性。建議成績評定為：良簽名 年 月 日評閱人評語及成績評定意見 該同學(xué)較好的掌握了本專業(yè)的理論知識、專業(yè)知識，分析和解決問題的能力較強，動手能力比較突出。 培養(yǎng)重點思維 從重點問題突破，是高效能人士思考的一項重要習(xí)慣。 不找借口 美國成功學(xué)家格蘭特納說過這樣的話：“如果你有 為自己系鞋帶的能力，你就有上天摘星星的機會！”一個人對待生活和工作是否負(fù)責(zé)是決定他能否成功的關(guān)鍵。 一次做好一件事 ：“ 一次做好一件事的人比同時涉獵多個領(lǐng)域的人要好得多?！? 把問題想透徹 把問題想透徹，是一種很好的思維品質(zhì)。：“成功就是目標(biāo)的達(dá)成，其他都是 這句話的注 釋。正如微軟總裁兼首席軟件設(shè)計師比爾。因此，在工作中，如果我們 不能選擇正確的事情去做，那么唯一正確的事情就是停止手頭上的事情，直到發(fā)現(xiàn)正確的事情為止?！? 把問題想透徹 把問題想透徹，是一種很好的思維品質(zhì)。 一次做好一件事 ：“ 一次做好一件事的人比同時涉獵多個領(lǐng)域的人要好得多。 不找借口 美國成功學(xué)家格蘭特納說過這樣的話：“如果你有 為自己系鞋帶的能力，你就有上天摘星星的機會！”一個人對待生活和工作是否負(fù)責(zé)是決定他能否成功的關(guān)鍵。 培養(yǎng)重點思維 從重點問題突破，是高效能人士思考的一項重要習(xí)慣。 要事第一 創(chuàng)設(shè)遍及全美的事務(wù)公司的亨瑞。相反，如果他抓住了主要矛盾，解決問題就變得容易多了。建議成績評定為：良 簽名 年 月 日答辯小組意見該同學(xué)理論知識和專業(yè)知識掌握較好，答辯時概念清楚，闡述正確，分析和總結(jié)較好。積極學(xué)習(xí)和掌握畢業(yè)設(shè)計中涉及的相關(guān)理論知識，編程能力較強。開始日期 2022 年 1 月 15 日 完成日期 2022 年 6 月 15日 院長（簽字） 年 月 日注：本任務(wù)書一式兩份，一份交學(xué)院，一份學(xué)生自己保存西 安 電 子 科 技 大 學(xué)畢業(yè)設(shè)計（論文）工作計劃學(xué)生姓名 張若愚 學(xué) 號 02065008 指導(dǎo)教師 鐘 樺 職 稱 副教授 學(xué) 院 電子工程學(xué)院 專 業(yè) 智能科學(xué)與技術(shù) 題目名稱 文檔位圖的印刷體數(shù)字智能檢測與識別 一、畢業(yè)設(shè)計（論文）進(jìn)度起 止 時 間 工 作 內(nèi) 容1 月 15 日～3 月 12 日3 月 13 日～4 月 15 日4 月 16 日～6 月 1 日6 月 1 日～6 月 15 日課題調(diào)研、文獻(xiàn)檢索，綜述字符及印刷體數(shù)字識別的基本方法和現(xiàn)狀； 了解印刷體數(shù)字識別的各種算法并初步仿真；算法仿真、快速算法設(shè)計。謹(jǐn)以此文，獻(xiàn)給所有關(guān)心我和愛護(hù)我的人！參考文獻(xiàn)[1] 劉建華,牛秦洲 ,程小輝等 .基于特征的印刷體數(shù)字符號識別系統(tǒng)[J]. 桂林工學(xué)院學(xué)報,2022,25(1).13.[2] :（碩士學(xué)位論文）.河北:河北農(nóng)業(yè)大學(xué),2022 .[3] ARM 的嵌入式圖像處理系統(tǒng)設(shè)計 :（碩士學(xué)位論文）.吉林:長春理工大學(xué),2022.[4] 樓順天等 . ， 2022.[5] 張洪剛,陳光 ,郭軍. 圖像處理與識別 . 北京:.[6] ,A graylevel threshold selection method base on maximum entropy principle[J].IEEE Man and Cyberics,1989,25(19).866871.[7] 四維科技,胡小鋒,趙輝. Visual C++/MATLAB 圖像處理與識別實用案例精選. 北京:人民郵電大學(xué)出版社,2022.[8] 何東健. 數(shù)字圖像處理 .西安:西安電子科技大學(xué)出版社,2022.[9] 求是科技，張宏林，蔡銳. Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐. 北京:人民郵電出版設(shè),2022.[10] Rafael ，Richard ，Steven MATLAB 工業(yè)出版社，2022.[11] ：（碩士學(xué)位論文）.武漢：武漢大學(xué)，2022.[12] 鄔建瓴. 數(shù)字識別及其應(yīng)用：（碩士學(xué)位論文） .武漢:華中科技大學(xué),2022.[13] 井上誠喜 ,八木伸行,林正樹等 .C 語言實用數(shù)字圖像處理. 北京：科學(xué)出版社,2022.[14] 田村秀行 .計算機圖像處理技術(shù) .北京:北京師范大學(xué)出版社，1988. [15] 高彤,姜華 ,[J]. 哈爾濱工業(yè)大學(xué)學(xué)報,1999,31(1):104～106.[16] Martin Network Design. IEEE Trans. Systems Man and Cyberics,2022,25(16).2449. [17] 牛慧娟，汪森霖 .學(xué)院院報，2022，12（12）.15.[18] 羅希平，田捷 . ，2022，13（