1、北京理工大学 2014 届本科生毕业设计（论文）一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。 ）工作基础：了解 C+的基本概念和语法，熟练使用 Visual C+6.0 软件。研究条件：BP 神经网络的基本原理以及图像处理的基本常识。应用环境：基于 BP 神经网络的图片图像文件中的字符识别。工作目的：掌握基于 Visual C+6.0 应用程序的开发。了解人工智能的基本概念并掌握神经网络算法的基本原理。掌握 Visual C+6.0 中的图片处理的基本过程。二、参考文献1人工智能原理及其应用，王万森，电子工业出版社，2007.2 VC+深入详解，孙鑫 ，电子工业出版
2、社，2006.3人工神经网络原理, 马锐，机械工业出版社，2010.4 Visual C+数字图像处理典型案例详解，沈晶，机械工业出版社，2012.5Application of Image Processing to the Characterization of NanostructuresManuel F. M. Costa， Reviews on Advanced Materials Science,2004.三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。 ）1、掌握 C+的基本概念和语法。2、掌握二维神经网络的基本原理。了解 B
3、P 神经网络的基本概念。3、完成 Visual C+中对于图像的灰度、二值化等预处理。4、完成基于样本的神经网络的训练以及图像中数字的识别，并对其性能进行统计和总结，分析其中的不足。指导教师（签字）年 月 日审题小组组长（签字）年 月 日北京理工大学 2014 届本科生毕业设计（论文）北京理工大学本科生毕业设计（论文）开题报告课题名称 基于 BP 神经网络的字符识别算法的实现系 名 称 信息工程系 专业名称 自动化学生姓名 王加 指导教师 扈书亮一、课题来源及意义神经网络模式识别方法是近几年兴起的模式识别领域的一个新的研究方向。由于神经网络的高速并行处理、分布存储信息等特性符合人类视觉系统的基
4、本工作原则，具有很强的自学习性、自组织性、容错性、高度非线性、高度鲁棒性、联想和记忆的功能和推理意识的功能等，能够实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作，所以，采用神经网络进行模式识别、开辟了模式识别发展的新途径。数字图像技术是图像处理领域中的一个重要研究方向。数字图像处理技术发展到今天，数字图像识别技术已经获得长足的进步。在工程、工业以及科学研究中的应用有着广阔的前景。由于人眼的判别容易产生视觉疲劳和失误而引起的误判、错判，甚至对一些关键信息漏判造成难以挽回的损失。因此，对数字字符显示的动态计算机自动识别、自动控制有着迫切的要求和实现的意义。在化工、电力、流量统
5、计、技术检测等各个行业实现自动控制中的数字字符显示的计算机自动动态识别、自动控制在提高产品附加值和提高生产的效率、效益具有其特殊的意义。二、研究目标1.熟练掌握 Visual C+6.0 应用程序的开发已经应用2.了解人工智能的基本概念并且了解神经网络的基本原理。3.熟练掌握 Visual C+6.0 中的图片处理的基本方法。北京理工大学 2014 届本科生毕业设计（论文）三、研究内容在实现的过程中，分解为两个模块，即图像预处理模块和数字识别模块。其中图像预处理模块在对图像进行了一系列变换后，把最后提取到的数字字符提交给数字识别模块，然后进行识别并给出结果。在图像处理的过程当中，采用了许多图像
6、处理的技术，最后把每个数字的特征提取出来。这些技术包括图像数据读取，图像的灰度化、二值化，图像的调整，离散噪声点的去除，字符的切分，图像的缩放，字符的细化，字符的平滑，图像的求梯度等。在数字识别模块中，利用神经网络（选用 BP 神经网络）进行字符识别。利用神经网络进行字符识别的过程主要包括网络的训练、数据的读取、字符的判定以及结果的输出。图 1-1 图像预处理流程图图 1-2 神经网络数字识别流程图四、研究方法与手段完成 Visual C+6.0 中对于图像的预处理和基于样本的 BP 神经网络的训练以及图像中数字的识别，并对其性能进行统计和总结。对于图像的灰度化、二值化等预处理、基于样本的 B
7、P 神经网络的训练以及图像中数字的识别通过 Visual C+6.0 软件编程实现。特征提取是使用计算机提取图像信息，来决定每个图像的点是否属于一个图像特征。在字符识别当中，特征的选择是一个关键的问题。字符的特征可以分为两大特征：结构特征和统计特征。特征提取的原则是所选用的特征能够很好地反映字符本身的特点。 识别并给出结果样本训练 字符特征输入图像输入 灰度转化 图像二值化梯度锐化去离散噪声倾斜度调整图像分割 归一化调整 紧缩重排特征提取北京理工大学 2014 届本科生毕业设计（论文）五、进度安排1、2014.12.102015.03.05 查找资料，通过书籍和视频学习C+ 的基本概念和语法，
8、初步练习使用Visual C+软件。了解 BP 神经网络的基本原理及人工智能的基本概念。完成开题报告。2、2015.03.062015.03.29 掌握 Visual C+中的图片处理的基本 方法。3、2015.03.302015.04.20 编写程序，完成 Visual C+中对于图像的预处理。4、2015.04.212015.05.19 完成基于样本的神经网络的训练以及 图像中文字的识别，并对其性能进行 统计和总结。5、2015.05.202015.06.05 撰写论文，准备答辩。六、主要参考文献1 王万森. 人工智能原理及其应用M. 电子工业出版社 , 2007.2 孙鑫. VC+深入详
9、解M. 电子工业出版社, 2006.3 马锐. 人工神经网络原理M. 机械工业出版社, 2010.4 沈晶. Visual C+数字图像处理典型案例详解M. 机械工业出版社, 2012.5 何志丹 Visual C+入门、进阶与应用实例M. 人民邮电出版社, 2007.6 曾志军, 孙国强. 基于改进的 BP 网络数字字符识别J.上课理工大学学报, 2008, 32(1)51-53. .7 周鸣争. 人工神经网络在自动控制系统中的应用J. 安徽机电学院学报 , 2000,02(5)71-75.8 张世辉, 孔令富. 汉字识别及现状分析J. 燕山大学学报 , 2003,04(3)80-85.9
10、连胜. 基于神经网络的手写数字识别技术研究D. 中南大学, 2008.10 张昭昭, 乔俊飞. 模块化神经网络结构分析与设计M. 辽宁科学技术出版社,2014.11 赵蓉. 基于神经网络的联机手写识别系统研究与实现D. 西安电子科技大学, 2011.12 赵辉, 叶子青. Visual C+系统开发实例精粹M. 人民邮电出版社.13 黄襄念, 程萍著. 文字识别原理与策略M. 第一版. 西南交通大学出版社, 2002.北京理工大学 2014 届本科生毕业设计（论文）14 韩力群. 人工神经网络理论、设计及应用M. 第二版 . 化学工业出版社, 200715 韩力群. 人工神经网络教程M. 北京
11、邮电大学出版社 , 2006.16Application 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 computer science of California.选题是否合适： 是 否课题能否实现： 能 不能指导教师（签字）年 月 日选题是否合适： 是 否课题能否
12、实现： 能 不能审题小组组长（签字）年 月 日北京理工大学 2014 届本科生毕业设计（论文）摘 要人工神经网络是通过对人脑生物神经机理进行简化，抽象和模拟之后建立起来的一种计算模型，属于机器学习的重要研究领域。本设计主要提出一种用神经网络来识别含有数字字符的方法。神经网络采用带有动量项和自适应学习率的反向传播算法(BP) 进行训练。在识别之前要对图像进行一系列的预处理，主要包含灰度化、二值化、锐化、噪声去除、字符分割、字符归一化、字符骨架提取等。经过预处理的图片适合后续的训练及识别。预处理后对图片上的字符进行特征提取，特征提取的方法很多，这里选择效果较好的十三特征提取法来进行特征提取。最后采
13、用 BP 神经网络来对待检测的图片上的数字进行识别。关键词：反向传播算法;BP 网络;人工神经网络;图像处理;特征提取北京理工大学 2014 届本科生毕业设计（论文）ABSTRACTArtificial neural network is a computational model which is established after the simplification of the biological neural mechanism of human brain and abstract and simulation. It belongs to the important resea
14、rch field of machine learning.In this design, a neural network is proposed to identify the method of containing digital character. The neural network is trained by the back propagation (BP) algorithm with momentum and adaptive learning rate. Before identification, there are a series of image pretrea
15、tment 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 ar
16、e 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 network to identify the numbers on the pictures which are to be tested. Keywords: BP algorithm; BP Neural Network; ANN; image processing；Feature E
17、xtraction.0目 录第一章 绪论 .11.1 字符识别的简介 .11.2 文字识别方法及研究现状 .11.3 课题研究内容 .2第二章 人工神经网络 .32.1 人工神经网络算法 .32.2 BP 网络 .6第三章 图像的预处理 .133.1 256 色位图灰度化 .133.2 灰度图像二值化 .143.3 图像的梯度锐化 .153.4 去除离散的杂点噪声 .153.5 整体倾斜度调整 .163.6 字符分割 .173.7 标准归一化 .193.8 紧缩的紧缩重排 .203.9 特征提取 .20第四章 基于人工神经网络的数字识别 .234.1 系统框架 .2314.2 基于神经网络的数
18、字识别的基本过程 .234.3 程序的运行 .27第五章 总结与展望 .295.1 总结 .295.2 后续工作及展望 .29参考文献外文资料中文译文致 谢北京理工大学 2014 届本科生毕业设计（论文）0第一章 绪论1.1 字符识别的简介字符识别是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。如何除错或利用辅助信息提高识别正确率，是字符识别中最重要的课题。早在 60、70 年代，世界各国就开始有对于字符识别的研究，而研究的初期，多以文字的识别方法研究为主，且识
19、别的文字仅为 0 至 9 的数字。以同样拥有方块文字的日本为例，1960 年左右开始研究 OCR 的基本识别理论，初期以数字为对象，直至 1965 至 1970 年之间开始有一些简单的产品，如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业；也因此至今邮政编码一直是各国所倡导的地址书写方式。1.2 字符识别方法及研究现状1.2.1 字符识别方法字符识别方法：字符识别方法基本上分为统计、逻辑判断和句法三大类。常用的方法有模板匹配法和几何特征抽取法。 模板匹配法 将输入的字符与给定的各类别标准文字进行相关匹配，计算输入字符与各模板之间的相似性程度，取相似度最大的类别作为识
20、别的结果。这种方法的缺点是当被识别类别数目增加时，标准字符模板数量也随之增加。这一方面会增加机器的存储容量，另一方面也会降低识别的正确率，所以这种方式适用于识别固定字型的印刷体字符。这种方法的优点是用整个字符进行相似度计算，所以对于字符缺损、边缘噪声等具有较强的适应能力。 几何特征抽取法 抽取字符的一些几何特征，如字符的端点、分叉点、凹凸部分或水平、垂直、倾斜等各方向的线段、闭合环路等，根据这些特征的位置及相互关系进行逻辑组合判断，获得识别结果。这种识别方式由于利用了结构的信息，因此也适用于手写体文字那样变型较大的字符。1.2.2 字符识别发展现状字符识别可应用于许多领域，如阅读、文献资料的检索、信件的分拣、稿件的校对、银行支票的处理、商品发票的统计汇总、商品编码的识别等。它可以方便用户快速录入信息，提高各行各业的工作效率。进入 20 世纪 90 年代以后，随着我国信息化建设的全面开展，以及 我国信
