论文总字数：24097字

摘 要

数字识别系统的用途广泛，前景广阔，不仅可以用于表格、电话号码、车牌、成绩单等多中项目的识别，更是在交通、银行、教育和邮政等不同领域发挥巨大的作用。在信息化时代的今天，各行各业间的交流更加频繁，有大量的数据、信息的传递是通过图像进行的，然而计算机并不能直接处理图像中的数据，采用人工处理需要花费大量的时间与精力，但是通过数字识别系统，可以快速准确的将图像中的数据转为文本输出，让计算机直接处理，节约时间与成本，提高工作效率，应用非常广泛。

本系统采用BP神经网络作为识别原理，选择C 作为编程语言，经过大量次数的实验与改进，编写了一个可以较为准确的识别各种不同样式的数字字符的软件。通过本系统，可以简单模拟各种生产、生活中，需要用到数字识别的不同情况。

关键词：数字识别 神经网络 图像处理 特征提取

ABSTRACT

Digital identification of the use of a wide range of prospects, not only can be used for forms, telephone numbers, license plates, transcripts and other projects, but also in the field of transportation, banking,education and postal services have played a impotent role. In the information age , the exchanges between different industry more frequently than before, there is a vast amount of data and information transmission is through the pictures, however computers can not use the data in the picture to processing directly，artificial processing need to spend a lot of time and money, but using digital identification system can transfer picture data to text quickly and accurately, save time and cost, improve work efficiency,is widely used.

The system use BP neural network as the recognition principle, choose C as programming language. After a number of experiments and improvement, make the software can identify different styles of numeric characters accurately. By using this system, we can simulate many different situation in our real life.

Keywords：Digital recognition，neural network，image processing，feature extraction

目录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1 引言 1

1.2 本论文主要任务 1

1.3 论文结构安排 2

第二章 图像的前期处理 3

2.1 图像的二值化处理 3

2.1.1 图像的灰度化 3

2.1.2 灰度图像的二值化 4

2.2 图像的滤波 5

2.2.1 图像的梯度锐化 5

2.2.2 去除离散的杂点 7

2.3 图像倾斜度调整 8

2.4 字符分割 10

2.5 字符的重新排列 12

2.5.1 字符图像归一化 12

2.5.2 图像的紧缩重排 13

2.6 本章小结 13

第三章 数字的识别 14

3.1 识别技术简介 14

3.1.1 人工神经网络简介 14

3.1.2 BP学习算法简介 16

3.2 BP神经的训练 17

3.2.1 BP神经网络的参数选择 17

3.2.2 BP神经网络中使用到的函数介绍 21

3.2.3 BP神经网络的训练 23

3.3 进行数字识别 25

3.4 BP网络的优化及改进 26

3.5 本章小结 27

第四章 软件运用 28

4.1 软件的实际运用 28

第五章 论文总结 31

5.1 论文小结 31

参考文献 32

附录A 系统源程序 33

致谢 59

第一章 绪论

1.1引言

这是一个飞速发展的时代,信息化的程度日益提高,我们如今正被数字化时代笼罩着。身份证号码、驾驶证号码、手机号码、体检表中一系列表达出身份、能力、对象和健康质量的信息都由数字来表达,都需要用电流 网络 程序解读的阿拉伯数字：1、2、3、4、5、6、7、8、9、0的组合来表达。所以,想要使数字信息化时代能在安全的基础上得以高效的发展,并以此来达到提高我们生活品质的目的,使用安全高效的智能方法或技术精密的数字识别成为亟待解决的重要问题。许多研究人员努力把各种新的知识应用至预处理、特征提取、识别之中。

国外对于数字识别系统的研究已经有超过20年的时间，在各种应用中，有用模糊数学理论的，也有用神经网络算法来识别图片中的字符。在这个领域拥有一定研究成果的公司有很多，比如以色列的Hi-Tech公司、新加坡的Optasia公司、香港的亚洲视觉科技有限公司。

国内对于数字识别系统的研究只有将近10年的时间，虽然起步晚于国外一些发达国家，但是发展速度却十分快，其中比较典型的代表如上海友迪斯公司。

并且在数字识别系统及其衍生产品的应用也丝毫不逊色于那些发达国家。

1.2 本论文主要任务

本文所要完成的是数字识别系统得设计。本系统需要完成的目的是识别各种不同样式的数字字符，现在主流的识别算法有模板匹配法和较先进的BP人工神经网络识别的方法。仔细对比两种方法，模板匹配法虽然十分稳定，准确率也不错，但是这种方法非常死板，面对各种不同因素的干扰，这种方法并不能保证稳定。往往一些小小的细节变化，采用模板匹配法的系统就不能够正确的进行识别。而神经网络是模式识别领域近几年兴起的一个重要的研究课题。在知识的表达和存储，模式信息处理的过程，神经网络与传统的识别方法具有很大的区别。它所具有的高度非线性和自我学习、自我组织能力，具有独特的优势。因此在传统的模板匹配法和先进的BP人工神经网络识别的方法中，我们选择有高灵活性和自主性的BP人工神经网络作为识别的方法。

由于待识别的图像中可能存在的干扰因素有各种各样，为了进一步提高识别的准确率，缩短识别需要的时间，本系统采用图像处理的办法，在进行识别前，尽可能的降低图像中的干扰因素，尽可能的将图像中的数字字符的特征凸显出来。

请支付后下载全文，论文总字数：24097字