【導(dǎo)讀】是一項孤立的技術(shù)，它所涉及的問題是模式識別的其他領(lǐng)域都無法回避的；應(yīng)用上，作為一種信息處理手段，字符識別有廣闊的應(yīng)用背景和巨大的市場需求。數(shù)字識別的研究具有理論和應(yīng)用的雙重意義。

　　

【正文】 與結(jié)果分析 23 第五章 系統(tǒng) 的實現(xiàn)與結(jié)果分析 軟件開發(fā)平臺 MATLAB 簡介 MATLAB 是美國 MathWorks 公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，主要 包括 MATLAB 和Simulink 兩大部分。 MATLAB 是矩陣實驗室（ Matrix Laboratory）的簡稱，和 Mathematical、 Maple并稱為三大數(shù)學(xué)軟件。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計算方面首屈一指。 MATLAB可以進行矩陣運算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應(yīng)用于工程計算、控制設(shè)計、信號處理與通訊、圖像處理、信號檢測、金融建模設(shè)計與分析等領(lǐng)域。 MATLAB 的應(yīng)用范圍非常廣，包括信號和圖像處理、通訊、控制系統(tǒng)設(shè)計、測試和測量、財務(wù)建模和分析以 及計算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨提供的專用 MATLAB 函數(shù)集）擴展了 MATLAB 環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。 MATLAB 的特點 (1) 此高級語言可用于技術(shù)計算 (2) 此開發(fā)環(huán)境可對代碼、文件和數(shù)據(jù)進行管理 (3) 交互式工具可以按迭代的方式探查、設(shè)計及求解問題 (4) 數(shù)學(xué)函數(shù)可用于線性代數(shù)、統(tǒng)計、傅立葉分析、篩選、優(yōu)化以及數(shù)值積分等二維和三維圖形函數(shù)可用于可視化數(shù)據(jù) (5) 各種工具可用于構(gòu)建自定義的圖形用戶界面 (6) 各種函數(shù)可將基于 MATLAB 的算法與外部應(yīng)用程序和語言（如 C、 C++、Fortran、 Java、 COM 以及 Microsoft Excel）集成 使用 MATLAB 的優(yōu)勢 (1) 友好的工作平臺和編程環(huán)境 (2) 簡單易用的程序語言 基于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別系統(tǒng)的設(shè)計與實現(xiàn) 第五章 系統(tǒng)的實現(xiàn)與結(jié)果分析 24 (3) 強大的科學(xué)計算機數(shù)據(jù)處理能力 (4) 出色的圖形處理功能 (5) 應(yīng)用廣泛的模塊集合工具箱 (6) 實用的程序接口和發(fā)布平臺 (7) 應(yīng)用軟件開發(fā)（包括用戶界面） 系統(tǒng)設(shè)計思路 本設(shè)計主要分為三大步驟：第一階段，圖像預(yù)處理；第二階段，特征提??；第三階段，設(shè)計 BP 神經(jīng)網(wǎng)絡(luò) 并對輸入樣本進行訓(xùn)練和測試。 具體分為以下五步： (1)對手寫體數(shù)字圖像進行預(yù)處理，包括去噪、二值化、歸一化、細化等； (2)對手寫體數(shù)字圖像進行小波分解，對分解的系數(shù)進行分析； (3)特征提取，采用統(tǒng)計特征、結(jié)構(gòu)特征和筆畫特征提取，取得輸入樣本； (4)構(gòu)建 BP神經(jīng)網(wǎng)絡(luò)并對樣本數(shù)據(jù)進行學(xué)習(xí)和訓(xùn)練； (5)對構(gòu)建好的人工神經(jīng)網(wǎng)絡(luò)對性測試和分析 。 系統(tǒng)流程圖 該系統(tǒng)分為識別過程和訓(xùn)練過程，這兩個過程又都包括圖像預(yù)處理、特征提取和分類識別。如圖 是本系統(tǒng)的流程圖。 圖 系 統(tǒng)流程圖 MATLAB 程序設(shè)計 本次設(shè)計使用 MATLAB 語言實現(xiàn)該系統(tǒng) ,其用戶界面分別介紹如下。 基于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別系統(tǒng)的設(shè)計與實現(xiàn) 第五章 系統(tǒng)的實現(xiàn)與結(jié)果分析 25 讀入圖像，這里有多組測試圖片可以用來測試，選擇其中一張， 讀入圖像的用戶界面如圖 所示。 圖 讀入測試圖片 然后用 MATLAB 中圖象處理工具箱讀入 bmp 文件 ,并將其轉(zhuǎn)化為二值數(shù)據(jù) , 其中使用 imread , im2double , rgb2gray ,mat2gray ,im2bw 等函數(shù)。之后取得單個的數(shù)字圖像文件 ,使用 imcrop 函數(shù)進行剪裁。 選取圖片中的任意數(shù) 字：比如 5，如圖 。 圖 選取數(shù)字 5進行各種操作 經(jīng)過平滑去噪、二值化、 規(guī)范化 、細化等過程預(yù)處理以后，識別出選取的數(shù)字，如圖 。 基于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別系統(tǒng)的設(shè)計與實現(xiàn) 第五章 系統(tǒng)的實現(xiàn)與結(jié)果分析 26 圖 識別出數(shù)字 5 實驗數(shù)據(jù)及結(jié)果分析 實驗數(shù)據(jù)部分綜合了十張不同的測試圖像 ,每張圖像分別有五個 09,并對每個數(shù)字進行識別 ,如表格 55 是實驗數(shù)據(jù)的記錄表。 表格 55實驗數(shù)據(jù) 數(shù) 字 0 數(shù) 字 1 數(shù) 字 2 數(shù) 字 3 數(shù) 字 4 數(shù) 字 5 數(shù) 字 6 數(shù) 字 7 數(shù) 字 8 數(shù) 字 9 識為 0 40 1 2 2 1 1 3 2 2 3 識為 1 1 40 1 0 2 0 0 4 2 1 識為 2 2 1 35 3 1 3 1 3 2 1 識為 3 0 1 0 34 0 4 2 2 1 3 識為 4 1 2 1 2 29 1 1 1 3 2 識為 5 1 0 3 3 2 37 2 0 1 2 識為 6 3 0 0 1 7 2 36 0 1 2 識為 7 0 3 5 1 0 1 0 35 0 2 識為 8 0 1 1 2 0 1 3 1 37 2 識為 9 2 1 2 2 3 0 2 2 1 32 正確 40 40 35 34 29 37 36 35 37 32 正確率 80% 80% 70% 68% 58% 74% 72% 70% 74% 64% 由表格可以看到，數(shù)字“ 0”和“ 1”的識別結(jié)果最好，都達到了 80%；其次，數(shù)字“ 2”，“ 5”，“ 6”“ 7”和“ 8”的識別精度也都達到 70%以上；數(shù)字“ 4”的識別結(jié)果不理想，識別精度不到 60%， 4 被誤識為 6 的次數(shù)較多。所有測試樣本的平均識別正確率為 71%。 基于神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字系統(tǒng)的設(shè)計與實現(xiàn) 結(jié)論 27 結(jié) 論 神經(jīng)網(wǎng)絡(luò)是性能良好的特征識別器，它與正確的特征提取方法相結(jié)合，會達到讓人滿意的識別效果。 本文對手寫體數(shù)字識別的基本原理及方法作了介紹，設(shè)計的時候使用 BP 神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)和訓(xùn)練，并用 MATLAB 工具實現(xiàn)了自由手寫體數(shù)字識別系統(tǒng)。實驗結(jié)果表明，基于所用結(jié)構(gòu)模型和知識庫的識別方法對規(guī)范手寫體數(shù)字是可行的，也可以識別一定條件下的自由手寫體數(shù)字。為了提高識別率和可靠性，除了要增強對噪聲的濾除能力外，還要增大知識庫，以解決細化中出現(xiàn)的結(jié)構(gòu)畸變問題，這些都有待我們進一步的研究。 另外，針對 BP 網(wǎng)絡(luò)收斂速度慢，計算量大等缺點，改進了網(wǎng)絡(luò)的初始值，保證網(wǎng)絡(luò)穩(wěn)定快速收斂。還介紹了一種 BP 神經(jīng)網(wǎng)絡(luò)的改進訓(xùn) 練算法，利用 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱提供的豐富的訓(xùn)練函數(shù)，對幾種典型的 BP 網(wǎng)絡(luò)訓(xùn)練算法的訓(xùn)練速度進行了比較。仿真結(jié)果表明本文提出的用于手寫體數(shù)字識別的 BP 神經(jīng)網(wǎng)絡(luò)模型具有一定的識別能力，其算法可操作性強，只要相關(guān)參數(shù)選擇得當(dāng)，系統(tǒng)就能夠得到較好的識別效果。本文的手寫體數(shù)字識別正確率為 71%。 今后工作展望：手寫體數(shù)字的特征提取是一個非常復(fù)雜的問題，可以考慮先用比較適合于特征提取的自組織特征映射網(wǎng)絡(luò)提取樣本特征，然后再用 BP 神經(jīng)網(wǎng)絡(luò)完成分類，充分利用兩種網(wǎng)絡(luò)的優(yōu)點可能達到更好的識別效果。 基 于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字系統(tǒng)的設(shè)計與實現(xiàn) 參考文獻 28 參 考 文 獻 [1]Yang J M， Kao C Y， A robust evolutionary algorithm for training neural works. Neural Computing and Application[M]， 214~230. [2] Ciaccio E. J., Dunn , Akay M, Binominal Pattern Recognition and interpretation Systems (Review of Applications), IEEE Engineering in Medicine and Biology Magazine[M]， 1994, 13 .2:269~ 273, 283. [3] 吳佑壽，丁曉青 . 漢字識別原理方法與實現(xiàn) [M].北京：高等教育出版社，~121. [4] 張立明 .人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用 [M].上海：復(fù)旦大學(xué)出版社，~170. [5] 蔡元明 .神經(jīng)網(wǎng)絡(luò)識別手寫體數(shù)字預(yù)處理后樣本空間凸集性研究 ，中國科學(xué)院半導(dǎo)體所碩士學(xué)位論文 [D].保存地點：華中科技大 學(xué)圖書館， . [6]崔 屹 .圖像處理與分析 數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用 [M].北京 : 科學(xué)出版社 ,2020. [7] 金忠等 .手寫體數(shù)字有效鑒別特征的抽取與識別，計算機研究與發(fā)展， 36(12)，1999， 1484~1489. [8] 飛思科技產(chǎn)品研發(fā)中心 . 輔助圖像處理 .北京：電子工業(yè)出版社，~220. [9] 飛思科技產(chǎn)品研發(fā)中心 . 輔助小波分析與應(yīng)用 .北京：電子工業(yè)出版社， 2020. [10] 胡小峰 .四維科技 .Visual C++/MATLAB 圖像處理與識別實用案例精選 .北京 :人民郵電出版社 ,2020:32~35. [11] MATLAB,信號處理的小波導(dǎo)引 .北京：機械工業(yè)出版社， 2020： 58~59. [12] 孫即祥等 .模式識別中的特征提取與計算機視覺不變量 .國防工業(yè)出版社，： 115~140. [13]黃心嘩 ,王茂祥 ,富煌清 ,陸估人 .基于結(jié)構(gòu)分析的手寫體數(shù)字識別算法 .電子工程師 [J]， 1999 年第 11 期 . [14] Bernhard R. C， Shi Y， Evolving artificial neural works， In: Proc of 1998 Int39。l Conf. on neural works and brain pp. PL5PL13. Beijing， P. R. China， 1998. [15]Hu, J., Yan, H., A modelbased segmentation method for handwritten numeral strings， Computer Vision and Image Understanding [N] ， 70(3)， 1998，383~403. [16] 從爽 .面向 MATLAB 工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用 .中國科學(xué)技術(shù)大學(xué)出版社基 于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字系統(tǒng)的設(shè)計與實現(xiàn) 參考文獻 29 [M],2020: 19~35. [17] 飛思科技產(chǎn)品研發(fā)中心 ,神經(jīng)網(wǎng)絡(luò)理論與 MATLAB7 實現(xiàn) .北京 :電子工業(yè)出版社[M],2020: 42~51. 基于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別系統(tǒng)的設(shè)計與實現(xiàn) 致謝 30 致 謝 經(jīng)過半年的忙碌和工作，本次畢業(yè)論文設(shè)計已經(jīng)接近尾聲，作為一個本科生的畢業(yè)論文，由于經(jīng)驗的匱乏，難免有許多考慮不周全的地方，如果沒有導(dǎo)師的督促指導(dǎo)，以及一起工作的同學(xué)們的支持，想要完成這個設(shè)計是難以想象的。 在論文寫作過程中，得到了 李利明 老師的親切關(guān)懷和 悉心 指導(dǎo)。他嚴肅的科學(xué)態(tài)度 ，嚴謹?shù)闹螌W(xué)精神， 深深 的感染著 我。 從課題的選擇到項目的最終完成， 李老師都給了我很大的幫助，尤其是在最后的定稿階段，李老師不斷的給我提出寶貴的修改意見，才使得我這篇論文得以順利完成。再次向您表達我深深的感激之情。 另外，還要感謝四年來培養(yǎng)我的各位老師，感謝和我朝夕相處了四年的同學(xué)，我的每一次成功都離不開你們的關(guān)心和幫助。 衷心的 謝謝你們！基于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別系統(tǒng)的設(shè)計與實現(xiàn) 附錄 31 附 錄 附錄 1 預(yù)處理 %% 數(shù)字識別 (I):Image Preprocessing %% Manual Cropping img = imread(39。39。)。 imshow(img) imgGray = rgb2gray(img)。 imgCrop = imcrop(imgGray)。 imshow(imgCrop) imgLGE = imresize(imgCrop, 5, 39。bicubic39。)。 imshow(imgLGE) imgRTE = imrotate(imgLGE, 35)。 imshow(imgRTE) imgBW = im2bw(imgLGE, )。 imshow(imgBW)基于 神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識別系統(tǒng)的設(shè)計與實現(xiàn) 附錄 32 附錄 2 %% 數(shù)字識別 (II):Automating Image Preprocessing I = imread(39。39。)。 imsho