摘 要

手写体数字识别技术是利用计算机对手写体数字进行识别、处理的一种技术。在日常生活中随处可见阿拉伯数字，手写体数字识别技术的运用对提高生活质量有着重要影响。

本文实现了一个小型的手写体数字识别系统，主要研究了预处理、特征提取和神经网络三部分，并使用Matlab构建了系统的GUI界面。

预处理过程中，对图像采取了平滑去噪，归一化和细化等操作，平滑去噪过程去除图像中的噪声，归一化将图像统一为相同大小，细化提取图像骨骼特征，方便后续特征提取。

特征提取过程中，使用了多种特征提取方法，将结构特征和统计特征相结合，为神经网络的训练提供了效果良好的输入向量。

神经网络部分采取了BP神经网络对图像进行学习和识别，最后系统的识别结果表明BP神经网络在手写体数字识别系统中应用成功。

关键词: 手写体数字识别;BP神经网络;matlab;GUI界面

Abstract

Handwritten digit recognition technology is a technology that uses a computer to recognize and process handwritten digits.Arabic numerals can be seen everywhere in daily life, and the use of handwritten digit recognition technology has an important impact on improving the qualityof life.

This paper implements a small handwritten digit recognition system, which mainly studies three parts of preprocessing, feature extraction and neural network, and uses Matlab to construct the GUI interface of the system.

In the pre-processing process, the image is smoothed, denoised, normalized and refined, and the noise is removed by the smooth denoising process. The image is unified to the same size and the image features are refined. Subsequent feature extraction.

In the feature extraction process, a variety of feature extraction methods are used to combine structural features and statistical features to provide a good input vector for neural network training.

The neural network part adopts the BP neural network to learn and recognize the image. Finally, the recognition result of the system indicates that the BP neural network is successfully applied in the handwritten digit recognition system.

Key words:handwritten digit recognition;BP neural network;matlab;GUI interface

目 录

第1章 绪论 1

1.1研究背景 1

1.2研究意义 1

1.3 国内外研究现状 2

1.4 本文研究内容 2

1.5 本文章节安排 2

第2章 手写体数字图像的预处理 4

2.1 图像灰度化 4

2.2 图像平滑去噪 4

2.3二值化 6

2.4字符分割 7

2.5 归一化 8

2.6 细化 9

第3章 手写体数字图像的特征提取 11

3.1特征提取概述 11

3.2 结构特征提取方法 11

3.3 统计特征提取方法 12

3.4 本文拟采用的特征提取方法 12

3.4.1 穿越密度特征 12

3.4.2投影特征 12

3.4.3首个黑点特征 13

3.4.4 粗网格特征 13

3.4.5重心及重心矩特征 13

3.4.6 水平、垂直投影特征 13

第4章 神经网络 14

4.1 BP神经网络概述 14

4.2 BP算法概述 16

4.2.1 正向传播过程 16

4.2.2 反向传播过程 17

第5章 算法设计 19

5.1 预处理算法设计 19

5.1.1 平滑去噪算法 19

5.1.2 字符分割算法 19

5.1.3 细化算法 19

5.2 神经网络设计 21

5.2.1 神经网络结构 21

5.2.1 激活函数 21

5.2.2 各层的结点数目 21

5.2.3 训练参数 21

第6章 系统演示和结果分析 22

6.1 系统实现 22

6.2 系统演示 22

6.3 结果分析 27

总结与展望 28

参考文献 29

致 谢 30

附录A： Hilditch细化算法 31

附录B： 神经网络构建 33

1. 绪论

1.1研究背景

近些年来教育水平的不断发展，使着高校招生人数不断扩大，伴随而来的是试卷份数的增加。传统的阅卷模式的任务强度大，且费时，费力，准确性不高等缺点使其渐渐不能满足现代化教育的需求。

随着计算机网络技术，图像处理等技术的发展，一种新型的阅卷方式日益发展起来，这就是网上阅卷方式，网上阅卷方式凭借其公正性，准确性，高效率等优点正在逐步取代传统阅卷方式，目前这种阅卷方式在我国的各类国家考试中已经成功取得应用，如成人自考、普通高考等大型考试领域。而目前在大型考试中使用的网上阅卷模式，主要是在客观题方面使用机器阅卷，即基于OMR技术（光标阅读机）的网上阅卷模式。这种阅卷模式的阅卷速度快，效率高。然而，尽管这种阅卷方式相对于传统阅卷方式而言，减少了工作强度大，成本高及准确率不高的弊端，但它仍存在明显的缺点，主要表现在：

1.基于OMR技术（光标阅读机）的机器阅卷系统对于答题卡的要求很高，必须制作固定格式要求的答题卡，这会导致阅卷所需成本相较与传统阅卷有所增加，使得系统的灵活性受到限制。

2.基于OMR技术（光标阅读机）的机器阅卷系统所需硬件价格较高，这制约了系统的广泛使用。