【正文】 識別。經(jīng)過預(yù)處理的圖片適合后續(xù)的訓(xùn)練及識別。神經(jīng)網(wǎng)絡(luò)采用帶有動量項和自適應(yīng)學(xué)習(xí)率的反向傳播算法(BP) 進行訓(xùn)練。六、主要參考文獻[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]. 機械工業(yè)出版社, 2022.[5] 何志丹 Visual C++入門、進階與應(yīng)用實例[M]. 人民郵電出版社, 2022.[6] 曾志軍, 孫國強. 基于改進的 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. .[7] 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]. 安徽機電學(xué)院學(xué)報 , 2022,02(5)7175.[8] 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..[9] 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.[10] 張昭昭, 喬俊飛. 模塊化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析與設(shè)計[M]. 遼寧科學(xué)技術(shù)出版社,2022.[11] 趙蓉. 基于神經(jīng)網(wǎng)絡(luò)的聯(lián)機手寫識別系統(tǒng)研究與實現(xiàn)[D]. 西安電子科技大學(xué), 2022.[12] 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.[13] 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..北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）[14] 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[15] 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.[16]Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science.[17] 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 日北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）摘　　要人工神經(jīng)網(wǎng)絡(luò)是通過對人腦生物神經(jīng)機理進行簡化，抽象和模擬之后建立起來的一種計算模型，屬于機器學(xué)習(xí)的重要研究領(lǐng)域?！? 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，并對其性能進行 統(tǒng)計和總結(jié)。— 掌握 Visual C++中的圖片處理的基本 方法。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。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。在字符識別當(dāng)中，特征的選擇是一個關(guān)鍵的問題。對于圖像的灰度化、二值化等預(yù)處理、基于樣本的 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中數(shù)字的識別通過 Visual C++ 軟件編程實現(xiàn)。利用神經(jīng)網(wǎng)絡(luò)進行字符識別的過程主要包括網(wǎng)絡(luò)的訓(xùn)練、數(shù)據(jù)的讀取、字符的判定以及結(jié)果的輸出。這些技術(shù)包括圖像數(shù)據(jù)讀取，圖像的灰度化、二值化，圖像的調(diào)整，離散噪聲點的去除，字符的切分，圖像的縮放，字符的細化，字符的平滑，圖像的求梯度等。其中圖像預(yù)處理模塊在對圖像進行了一系列變換后，把最后提取到的數(shù)字字符提交給數(shù)字識別模塊，然后進行識別并給出結(jié)果。 Visual C++ 中的圖片處理的基本方法。在化工、電力、流量統(tǒng)計、技術(shù)檢測等各個行業(yè)實現(xiàn)自動控制中的數(shù)字字符顯示的計算機自動動態(tài)識別、自動控制在提高產(chǎn)品附加值和提高生產(chǎn)的效率、效益具有其特殊的意義。由于人眼的判別容易產(chǎn)生視覺疲勞和失誤而引起的誤判、錯判，甚至對一些關(guān)鍵信息漏判造成難以挽回的損失。數(shù)字圖像處理技術(shù)發(fā)展到今天，數(shù)字圖像識別技術(shù)已經(jīng)獲得長足的進步。由于神經(jīng)網(wǎng)絡(luò)的高速并行處理、分布存儲信息等特性符合人類視覺系統(tǒng)的基本工作原則，具有很強的自學(xué)習(xí)性、自組織性、容錯性、高度非線性、高度魯棒性、聯(lián)想和記憶的功能和推理意識的功能等，能夠?qū)崿F(xiàn)目前基于計算理論層次上的模式識別理論所無法完成的模式信息處理工作，所以，采用神經(jīng)網(wǎng)絡(luò)進行模式識別、開辟了模式識別發(fā)展的新途徑。完成基于樣本的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中數(shù)字的識別，并對其性能進行統(tǒng)計和總結(jié)，分析其中的不足。了解 BP 神經(jīng)網(wǎng)絡(luò)的基本概念。 ）掌握 C++的基本概念和語法。 掌握 Visual C++ 中的圖片處理的基本過程。工作目的：掌握基于 Visual C++ 應(yīng)用程序的開發(fā)。研究條件：BP 神經(jīng)網(wǎng)絡(luò)的基本原理以及圖像處理的基本常識。北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）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。應(yīng)用環(huán)境：基于 BP 神經(jīng)網(wǎng)絡(luò)的圖片圖像文件中的字符識別。 了解人工智能的基本概念并掌握神經(jīng)網(wǎng)絡(luò)算法的基本原理。二、參考文獻[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，機械工業(yè)出版社，2022.[5]Application of Image Processing to the Characterization of NanostructuresManuel 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。掌握二維神經(jīng)網(wǎng)絡(luò)的基本原理。完成 Visual C++中對于圖像的灰度、二值化等預(yù)處理。指導(dǎo)教師（簽字）年 月 日審題小組組長（簽字）年 月 日北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）北京理工大學(xué)本科生畢業(yè)設(shè)計（論文）開題報告課題名稱 基于 BP 神經(jīng)網(wǎng)絡(luò)的字符識別算法的實現(xiàn)系 名 稱 信息工程系 專業(yè)名稱 自動化學(xué)生姓名 王加 指導(dǎo)教師 扈書亮一、課題來源及意義神經(jīng)網(wǎng)絡(luò)模式識別方法是近幾年興起的模式識別領(lǐng)域的一個新的研究方向。數(shù)字圖像技術(shù)是圖像處理領(lǐng)域中的一個重要研究方向。在工程、工業(yè)以及科學(xué)研究中的應(yīng)用有著廣闊的前景。因此，對數(shù)字字符顯示的動態(tài)計算機自動識別、自動控制有著迫切的要求和實現(xiàn)的意義。二、研究目標 Visual C++ 應(yīng)用程序的開發(fā)已經(jīng)應(yīng)用。北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）三、研究內(nèi)容在實現(xiàn)的過程中，分解為兩個模塊，即圖像預(yù)處理模塊和數(shù)字識別模塊。在圖像處理的過程當(dāng)中，采用了許多圖像處理的技術(shù)，最后把每個數(shù)字的特征提取出來。在數(shù)字識別模塊中，利用神經(jīng)網(wǎng)絡(luò)（選用 BP 神經(jīng)網(wǎng)絡(luò)）進行字符識別。 圖 11 圖像預(yù)處理流程圖圖 12 神經(jīng)網(wǎng)絡(luò)數(shù)字識別流程圖四、研究方法與手段完成 Visual C++ 中對于圖像的預(yù)處理和基于樣本的 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以及圖像中數(shù)字的識別，并對其性能進行統(tǒng)計和總結(jié)。特征提取是使用計算機提取圖像信息，來決定每個圖像的點是否屬于一個圖像特征。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。 識別并給出結(jié)果樣本訓(xùn)練 字符特征輸入圖像輸入 灰度轉(zhuǎn)化 圖像二值化梯度銳化去離散噪聲傾斜度調(diào)整圖像分割 歸一化調(diào)整 緊縮重排特征提取北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）五、進度安排— 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。完 成開題報告。— 編寫程序，完成 Visual C++中對于圖 像的預(yù)處理?！? 撰寫論文，準備答辯。本設(shè)計主要提出一種用神經(jīng)網(wǎng)絡(luò)來識別含有數(shù)字字符的方法。在識別之前要對圖像進行一系列的預(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。預(yù)處理后對圖片上的字符進行特征提取，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行特征提取。關(guān)鍵詞：反向傳播算法。人工神經(jīng)網(wǎng)絡(luò)。特征提取北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）ABSTRACT Artificial neural work is a putational model which is established after the simplification of the biological neural mechanism of human brain and abstract and simulation. It belongs to the important research field of machine learning. In this design, a neural work is proposed to identify the method of containing digital character. The neural work is trained by the back propagation (BP) algorithm with momentum and adaptive learning rate. 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: BP algorithm。 ANN。如何除錯或利用輔助信息提高識別正確率，是字符識別中最重要的課題。以同樣擁有方塊文字的日本為例，1960 年左右開始研究 OCR 的基本識別理論，初期以數(shù)字為對象，直至 1965 至 1970 年之間開始有一些簡單的產(chǎn)品，如印刷文字的郵政編碼識別系統(tǒng)，識別郵件上的郵政編碼，幫助郵局作區(qū)域分信的作業(yè)；也因此至今郵政編碼一直是各國所倡導(dǎo)的地址書寫方式。常用的方法有模板匹配法和幾何特征抽取法。這種方法的缺點是當(dāng)被識別類別數(shù)目增加時，標準字符模板數(shù)量也隨之增加。這種方法的優(yōu)點是用整個字符進行相似度計算，所以對于字符缺損、邊緣噪聲等具有較強的適應(yīng)能力。這種識別方式由于利用了結(jié)構(gòu)的信息，因此也適用于手寫體文字那樣變型較大的字符。它可以方便用戶快速錄入信息，提高各行各業(yè)的工作效率。文字識別技術(shù)誕生 20 余年來，經(jīng)歷從實驗室技術(shù)到產(chǎn)品的轉(zhuǎn)變，目前已經(jīng)步入行業(yè)應(yīng)用開發(fā)的成熟階段。隨著國家信息化建設(shè)的發(fā)展，文字識別技術(shù)擁有了一個全新的行業(yè)應(yīng)用局面。　課題研究內(nèi)容本課題研究內(nèi)容如下： 神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的其中一種，它利用實際輸出與期望輸出之差對網(wǎng)絡(luò)的各層連接權(quán)由后向前前逐層進行校正。：圖像預(yù)處理階段，BP 網(wǎng)絡(luò)的訓(xùn)練階段，字符識別階段。北京理工大學(xué) 2022 屆本科生畢業(yè)設(shè)計（論文）2第二章　　人工神經(jīng)網(wǎng)絡(luò)　人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Net