基于人工神經(jīng)網(wǎng)絡(luò)的光學(xué)字符識(shí)別系統(tǒng)及硬件實(shí)現(xiàn).pdf

1、經(jīng)過(guò)兒十年的研究，人工神經(jīng)網(wǎng)絡(luò)目前已經(jīng)廣泛地用來(lái)解決模式識(shí)別和人工智能領(lǐng)域的一些復(fù)雜問(wèn)題，并取得了以往傳統(tǒng)算法無(wú)法獲得的成功。光學(xué)字符識(shí)別(OCR)算法的研究屬于模式識(shí)別領(lǐng)域的一個(gè)重要分支。很自然地，我們?cè)诠鈱W(xué)字符識(shí)別算法設(shè)計(jì)中引入了人工神經(jīng)網(wǎng)絡(luò)。從上世紀(jì)70年代以來(lái)，光學(xué)字符識(shí)別技術(shù)逐漸走向成熟。對(duì)于印刷體字符的識(shí)別，目前已經(jīng)有了很高的識(shí)別率；對(duì)于小規(guī)模的手寫體字符識(shí)別，也已經(jīng)走向?qū)嵱?。相?duì)于大規(guī)模字符識(shí)別(如漢字識(shí)別)系統(tǒng)，小規(guī)模字

2、符識(shí)別系統(tǒng)實(shí)現(xiàn)難度相對(duì)較小，但在日常生活中卻應(yīng)用廣泛。如阿拉伯?dāng)?shù)字識(shí)別系統(tǒng)，僅對(duì)10個(gè)阿拉伯?dāng)?shù)字和少量符號(hào)進(jìn)行識(shí)別，可以廣泛應(yīng)用于郵政編碼識(shí)別、汽車牌照識(shí)別，流水線上產(chǎn)品編號(hào)識(shí)別等領(lǐng)域。本課題選題的初衷，就是利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)一套通用的小規(guī)模光學(xué)字符識(shí)別系統(tǒng)對(duì)郵政編碼進(jìn)行識(shí)別。 當(dāng)前，由于半導(dǎo)體加工工藝的進(jìn)步，微處理器的體積越來(lái)越小，速度越來(lái)越快。由這些微處理器組成的嵌入式系統(tǒng)，結(jié)構(gòu)簡(jiǎn)單，成本低廉，被廣泛應(yīng)用于家電、工業(yè)控制等

3、各個(gè)方面。正是出于生產(chǎn)成本和產(chǎn)品尺寸的考慮，本文的硬件模塊將使用基于ARM系列微處理器的嵌入式系統(tǒng)取代傳統(tǒng)的PC機(jī)。 本文的研究工作可以劃分為硬件和軟件兩部分；所做工作、技術(shù)難點(diǎn)與技術(shù)創(chuàng)新如下： 1.研究ARM體系的嵌入式系統(tǒng)的設(shè)計(jì)。 a)以Atmel公司的AT91RM9200處理器為核心，設(shè)計(jì)一套嵌入式系統(tǒng)。 b)研究了高頻電子印刷板的設(shè)計(jì)原理，并掌握了制作工藝。 c)研究Linux操作系統(tǒng)代碼

4、，在嵌入式系統(tǒng)上移植了Linux操作系統(tǒng)。 2.實(shí)現(xiàn)基于人工神經(jīng)網(wǎng)絡(luò)的光學(xué)字符識(shí)別算法 a)研究圖像的獲取、和預(yù)處理算法。 b)研究K-L變換在字符特征抽取中的應(yīng)用。 c)利用美國(guó)郵政服務(wù)數(shù)據(jù)庫(kù)，訓(xùn)練了BP網(wǎng)絡(luò)的分類器。使用測(cè)試集，驗(yàn)證了我們的分類器對(duì)手寫體數(shù)字的識(shí)別率為92％。 d)研究了其他一些分類器，并同我們的人工神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行了性能比較。 本文所實(shí)現(xiàn)的光學(xué)字符識(shí)別系統(tǒng)，成本較低