基于BP神經(jīng)網(wǎng)絡(luò)的印刷體字符識別系統(tǒng)的研究.pdf

1、本文研究和實(shí)現(xiàn)了對圖片中的印刷體大小寫英文字母和數(shù)字的自動識別。 在系統(tǒng)的設(shè)計(jì)中，本文引入了神經(jīng)網(wǎng)絡(luò)模式識別技術(shù)，提出了一套基于BP神經(jīng)網(wǎng)絡(luò)的字符識別系統(tǒng)的設(shè)計(jì)方案。本文把整個系統(tǒng)分成了三個主要模塊（預(yù)處理、特征提取和初分類以及基于BP網(wǎng)絡(luò)的字符分類器）進(jìn)行詳細(xì)的闡述。 為了提高系統(tǒng)的性能，盡可能的降低誤識率和拒識率，本文仔細(xì)分析了在三個模塊的設(shè)計(jì)過程中遇到的重點(diǎn)和難點(diǎn)問題，分別提出了下面的解決方案： 1．在預(yù)處

2、理模塊的設(shè)計(jì)中，本文結(jié)合了多種圖像處理技術(shù)，提出了包括去除離散雜點(diǎn)噪聲、傾斜調(diào)整和字符分割算法在內(nèi)的一系列預(yù)處理算法，取得了不錯的效果，為下面對字符特征提取打下了堅(jiān)實(shí)的基礎(chǔ)。 2．字符的特征提取是系統(tǒng)設(shè)計(jì)的重點(diǎn)和難點(diǎn)，關(guān)系到整個設(shè)計(jì)方案的成敗。本文在比較研究了幾種常用的特征提取方法后，提出了一種基于字符骨架中封閉曲線特征和縱向線條特征的兩級初分類算法，將原來含有62個元素的待識別字符集比較平均的分成了三個子集，降低了后續(xù)處理的難

3、度。在特征提取方面，本文提出了一種結(jié)合字符粗網(wǎng)格特征和規(guī)一化投影特征的混合提取算法，很好的兼顧了字符總體特征和局部特征，并利用規(guī)一化體現(xiàn)出大小寫英文字母在個體大小上的差異，為分辨大小寫英文字母中形似字符提供了依據(jù)。 3．在基于BP網(wǎng)絡(luò)的字符分類器的設(shè)計(jì)過程中，本文參考了前人的研究成果，認(rèn)真研究了包括網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)，參數(shù)設(shè)計(jì)，網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)識別在內(nèi)的BP網(wǎng)絡(luò)設(shè)計(jì)上的關(guān)鍵性問題，給出了一套優(yōu)化BP網(wǎng)絡(luò)性能網(wǎng)絡(luò)設(shè)計(jì)方案，并在最后的試驗(yàn)中