基于BP神經(jīng)網(wǎng)絡(luò)的字符識別技術(shù)研究.pdf

1、如今模式識別技術(shù)廣泛應(yīng)用于人工智能領(lǐng)域,如網(wǎng)絡(luò)搜索引擎,文件自動分類,生物特征識別,圖形圖像識別等。作為其中的一個分支,圖像字符的識別一直以來都是研究的熱點,如車輛牌照、郵政編碼、手寫文檔、印刷文檔、網(wǎng)頁驗證碼識別等等都存在對圖像識別的需求。由于圖像字符的識別技術(shù)在諸多需要對信息進行自動識別處理的領(lǐng)域都有著極大的理論意義與實用價值,我們針對上述需求,以圖像字符為對象,通過對神經(jīng)網(wǎng)絡(luò)字符識別以及相關(guān)的圖像處理技術(shù)的研究,總結(jié)出一套完整的、

2、行之有效的字符識別方法,同時封裝出可供重用的函數(shù)庫供應(yīng)用開發(fā)使用。本文將對以上內(nèi)容的研究過程進行整理,主要介紹一下幾個方面:
　　 1.計算機圖形圖像處理方法研究
　　 Windows操作系統(tǒng)下的增強圖形設(shè)備接口(GDI+)研究,分析圖像識別及預(yù)處理所需的關(guān)鍵圖形對象和圖像操作方法的描述。
　　 2.字符目標(biāo)定位算法研究與實現(xiàn)
　　 由于圖形識別是以字符為單位進行,因此需要字符目標(biāo)進行定位,我們設(shè)計了邊緣

3、檢測方法以確定字符在圖片上所呈現(xiàn)的區(qū)域范圍,再將字符對象從背景圖像中提取出來。
　　 3.圖像優(yōu)化算法研究與實現(xiàn)
　　 不同來源的圖片識別效果也千差萬別,為提高識別準(zhǔn)確度,需要對目標(biāo)字符進行預(yù)處理,包括灰度化、二值化、銳化、去噪點、斜度調(diào)整等操作,本文分析了這些操作的關(guān)鍵步驟或提供了實現(xiàn)思路。
　　 4.神經(jīng)網(wǎng)絡(luò)采用方法的研究與實現(xiàn)
　　 重點研究了感知器狀態(tài)提取法在圖像識別中的使用。通過對比發(fā)現(xiàn)感知器狀

4、態(tài)提取法結(jié)合以信息熵為判斷依據(jù)的特征篩選法,在運行效率以及識別適應(yīng)性方面都比傳統(tǒng)的逐像素特征提取法有了很大的提高。
　　 5.字符識別方法研究與實現(xiàn)
　　 以誤差回傳神經(jīng)網(wǎng)絡(luò)(BP)模型為基礎(chǔ)的字符識別的方法研究,對開源項目Aforge Framework中的神經(jīng)網(wǎng)絡(luò)部分進行分析,利用其對BP網(wǎng)絡(luò)結(jié)構(gòu)的封裝實現(xiàn)神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、訓(xùn)練和字符識別。
　　 6.對核心處理函數(shù)進行封裝
　　 通過代碼實現(xiàn)前階段的研