【正文】 最后，衷心的感謝能在百忙之中抽空為我審閱論文的各位專家教授老師附錄附錄A 外文翻譯The use of Delphi On the introduction of DelphiDelphi is a new visual programming environment provides us with a convenient and fast application development tool for Windows. It uses the Microsoft Windows graphical user interface of m。感謝三年來為我們上課的老師，謝謝他們?nèi)陙韺ξ覀兊慕逃?，讓我們也懂得了很多學(xué)習(xí)以外的事。同時也感謝我的舍友在畢業(yè)設(shè)計過程中給我的關(guān)心和幫助。由于這次我所做的畢業(yè)設(shè)計涉及自己本專業(yè)方面的知識比較少，對我來說是個挑戰(zhàn)，除了自己的努力外，最少不了的就是何老師的幫助和支持，他耐心的為我講解設(shè)計中遇到的各種問題，給我提供手頭上的資料供我分析，使我掌握了大量的課題資料，可以說對我的照顧是無微不至，讓我對設(shè)計課題的內(nèi)容了解了很多、掌握了很多，有了一個明確的設(shè)計思路和自己的構(gòu)想，我想都是與何老師的幫助離不開的，由于時間倉促，掌握知識有限，還不能將老師的課題要求做到完美，但這里還是非常感謝何老師在這幾個月里對我的幫助。 參考文獻(xiàn) [1]蔣先剛 基于Delphi的數(shù)字圖像處理工程軟件設(shè)計 中國水利水電出版社 2006年3月.[2]劉駿 《Delphi數(shù)字圖像處理及高級應(yīng)用》 科學(xué)出版社 2003年3月.[3]劉海濤 《Delphi程序設(shè)計基礎(chǔ)》 清華大學(xué)出版社 2001年5月[4]王國宏 《Hough變換及其在信息處理中的應(yīng)用》 兵器工業(yè)出版社 2005年2月[5] 李慶亮，張新成，陳震，陳新亞，等．SPm控件在Delphi [J]．中文核心期刊《微計算機信息》(嵌入式與SOC)，2006年第22卷第52期：8~10．[6] 鄭利華，劉旭明，等．利用Spm控件實現(xiàn)單片機與PC機串口通信的方法[J]．桂林航天工業(yè)高等專科學(xué)校學(xué)報，2006年第3期：17~19．[7]丁兆海 《Delphi基礎(chǔ)教程》 電子工業(yè)出版社[8] 飛思科技產(chǎn)品研發(fā)中心．Delphi高級編程[M]．北京：電子工業(yè)出版社，2002．[9] 胡存生，郭維保，等．Delphi 7開發(fā)技術(shù)與范例[M]．北京：電子工業(yè)出版社，2003．7．19~30，204~265．[10] 杜松，李小兵，等．用SPComm實現(xiàn)多線程串口數(shù)據(jù)接收[J]．電子科技大學(xué)機械電子工程學(xué)院：中國測試技術(shù)，2004年5月，第30卷第3期：69~71．[11] 王時繪，朱榮釗，等．Delphi+SPComm實現(xiàn)串13通信[J]．湖北大學(xué)數(shù)學(xué)與計算機學(xué)院，2007年8月：135~136．[12]呂偉臣 《Delphi入門與提高》 清華大學(xué)出版社 2004年8月[13] 胡存生，郭維保，等．Delphi 7開發(fā)技術(shù)與范例[M]．北京：電子工業(yè)出版社，2003．7．19~30，204~265． 致謝首先我要在這里衷心的感謝我的指導(dǎo)教師，這篇論文是在何老師的精心指導(dǎo)下才得以完成的，從論文的選題、初稿、結(jié)稿到最后的審稿，其間都凝聚著何老師辛勤的汗水。輸出編碼關(guān)于輸出編碼問題，因為BP網(wǎng)絡(luò)的訓(xùn)練是根據(jù)輸出值與標(biāo)準(zhǔn)值之間的誤差來調(diào)整權(quán)值的，因此必須對目標(biāo)期望輸出進(jìn)行編碼，這里采用的是8421編碼，即對于輸出“0”，采用（0，0，0，0，0，0，0，0），因為激活的S型激活函數(shù)的輸出永遠(yuǎn)不可能達(dá)到0或者1，因此對于（0，0，0，0，0，0，0，0）這樣的標(biāo)準(zhǔn)輸出時，BP網(wǎng)絡(luò)無法收斂。隱含層節(jié)點數(shù)的選擇對網(wǎng)絡(luò)性能影響很大，一般是由網(wǎng)絡(luò)的具體用途來確定，不同的網(wǎng)絡(luò)有不同的要求，所以確定隱含層的節(jié)點數(shù)是復(fù)雜的?；谝陨峡紤]，本系統(tǒng)的BP網(wǎng)絡(luò)只使用了一個S型的隱含層，即一個三層的BP網(wǎng)絡(luò)。增加層數(shù)可以降低誤差。（1）網(wǎng)絡(luò)層數(shù)的確定。另一方面，神經(jīng)網(wǎng)絡(luò)算法比較復(fù)雜，數(shù)據(jù)處理最大，系統(tǒng)開銷最大。神經(jīng)網(wǎng)絡(luò)法的突出優(yōu)點是抗干擾能力強，允許樣本有較大的缺損和畸變，并能處理一些環(huán)境信息復(fù)雜、背景知識不清楚、推理規(guī)則不明確的問題。應(yīng)用在圖像識別中時，通常將特征向量或者將目標(biāo)圖像作為神經(jīng)網(wǎng)絡(luò)的輸入。由于在自學(xué)習(xí)、自組織及容錯方面有較強的能力，可以廣泛地應(yīng)用于模式識別中。此處閾值的選取可以采用結(jié)合小波變換的方法，解決某些字符維數(shù)相差太小的問題。分形的主要研究工具是它的維數(shù)，分形物體的維數(shù)可以由分形維數(shù)來描述，分形維數(shù)定量地表達(dá)了分形物體的形狀和復(fù)雜性，機構(gòu)的拓?fù)渚S數(shù)等于其覆蓋維數(shù)。（3） 分形法分形理論在模式識別方面的應(yīng)用近一段時間也引起了人們的廣泛重視。在每一代中，對于莫一給定問題，保持一定數(shù)目N為定值的解群P（t），經(jīng)過對各解的適應(yīng)度值f，使解群中各解得到評價，各解的適應(yīng)度的大小作為染色體復(fù)制機會大小的先決條件。因此，在實際應(yīng)用中，提高正確率往往使用多個模板來進(jìn)行匹配，處理時間會隨著模板個數(shù)的增加而增加。這個方法是把輸入的字符直接和標(biāo)準(zhǔn)的字符原型進(jìn)行比較，找到與之最匹配的模板，其實質(zhì)是度量輸入模式與樣本之間的某種相似性，取相似性最大者為輸入模式所屬類別。下面簡單介紹一下以上算法。以上分別是對8幅分割后的圖片進(jìn)行字符標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化后的圖像如下圖所示： 基于神經(jīng)元網(wǎng)絡(luò)的字符識別技術(shù)常用的字符識別方法介紹字符識別技術(shù)屬于模式識別的范疇，也是其中一個非常重要的應(yīng)用領(lǐng)域。 (newbmp)。 (newbmp)。 (newbmp)。 (newbmp)。 (newbmp)。 (newbmp)。 (newbmp)。 (newbmp)。 SetStretchBltMode(,HalfTone)。 :=16。 newbmp:tbitmap。 xmin,xmax,ymin,ymax:integer。 E:WideString。 w,h:integer。部分源程序代碼如下：procedure (bmp:tbitmap)?！?/這里得到的YMax、XMax分別為字符的下邊界、右邊界第二步為字符大小的標(biāo)準(zhǔn)化，常用的方法主要有分裂合并法和插值變換歸一化方法。 end。 if xmax=i then xmax:=i。 xmax:=i。//這里得到的YMin、XMin分別為字符的上邊界、左邊界 for j:= downto 0 do begin ps:=[j]。 end。 if xmin=i then xmin:=i。 xmin:=i。當(dāng)字符的中心位置產(chǎn)生偏移時，對基于網(wǎng)絡(luò)的特征提取方法將產(chǎn)生很大的偏差，因此在特征提取之前，必須基本保證字符處在圖像的中心位置，這里采用的方法就是將除字符之外的其他背景圖像裁剪掉，使得字符填滿整個圖像，這樣基本能夠保證字符處在圖像的中心位置，圖像位置矯正具體編程如下：……………………………. for j:=0 to do begin ps:=[j]。神經(jīng)網(wǎng)絡(luò)有不同的分類方法，設(shè)計是指用一定數(shù)量的樣本進(jìn)行分類器的設(shè)計；實現(xiàn)是指用所設(shè)計的分類器對待識別的樣本進(jìn)行分類決策，這里采用神經(jīng)元網(wǎng)絡(luò)進(jìn)行字符識別，系統(tǒng)模塊主要由三部分組成，即圖像歸一化、特征提取、分類決策，流程圖如下：圖像歸一化預(yù)處理特征提取神經(jīng)元網(wǎng)絡(luò)設(shè)計、訓(xùn)練神經(jīng)元網(wǎng)絡(luò)識別輸出輸出輸入 識別前的預(yù)處理在對本文的水表圖像數(shù)字字符進(jìn)行識別前，要對圖像進(jìn)行預(yù)處理：歸一化處理和細(xì)化處理。第二階段——工作期：連接權(quán)值不變，由網(wǎng)絡(luò)的輸入得到相應(yīng)的輸出。模式識別中往往存在噪聲干擾或輸入模式的部分損失，而人工神經(jīng)元網(wǎng)絡(luò)將信息分布存儲于連接的權(quán)系數(shù)中，使網(wǎng)絡(luò)具有很高的容錯性和魯棒性；另外，人工神經(jīng)元網(wǎng)絡(luò)的自組織、自適應(yīng)學(xué)習(xí)功能，大大放松了傳統(tǒng)識別方法所需的約束條件，使其對某些識別問題顯示出了極大的優(yōu)越性。神經(jīng)元具有非線性映射的能力，它們之間通過權(quán)系數(shù)相連接。而本文采用的是人工神經(jīng)元網(wǎng)絡(luò)法。單字符圖片垂直投影定義字符左右邊界求單個字符的像素值根據(jù)波谷獲得分割線定義波谷位置實現(xiàn)字符分割 字符分割整體流程圖 字符分割流程圖 本章小結(jié)本章工作是對預(yù)處理過的水表圖像進(jìn)行分割，找到8幅單字符圖片，用于后續(xù)的識別處理，分割算法主要分為以下幾個步驟：首先，利用先驗知識對水表圖像進(jìn)行粗分割，得到8個數(shù)字字符的大致位置；然后，利用預(yù)處理知識，對圖像進(jìn)一步處理，得到可以滿足投影分割的圖片；最后，利用投影分割法對單字符圖片進(jìn)行細(xì)分割，得到數(shù)字字符的精確位置。補償?shù)男Ч梢钥吹剑m然把數(shù)字字符‘2’的一橫截去了一小段，但是不會影響后續(xù)的識別處理。由于本文水表圖像的數(shù)字字符大小比較規(guī)范，經(jīng)過計算，除了數(shù)字‘1’以外，其他九個數(shù)字字符的寬度在36~40個像素之間變化，而對于數(shù)字‘1’來說，找不到左或右邊界的這種情況基本不會出現(xiàn)，所以當(dāng)垂直