畢業(yè)設(shè)計(jì)(論文)開題報(bào)告題目：手寫體數(shù)字識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)一、本課題研究的目的：手寫體數(shù)字識(shí)別一直是多年來的研究熱點(diǎn)，也是圖像處理和模式識(shí)別領(lǐng)域中的研究課題之一。手寫體數(shù)字識(shí)別實(shí)用性很強(qiáng)，在大規(guī)模數(shù)據(jù)統(tǒng)計(jì)(如例行年檢，人口普查)，財(cái)務(wù)，稅務(wù)，郵件分揀等等應(yīng)用領(lǐng)域中都有廣闊的應(yīng)用前景。樣本數(shù)據(jù)采樣、樣本預(yù)處理算法、特征提取算法、識(shí)別算法是手寫數(shù)字識(shí)別系統(tǒng)主要研究的問題。本課題是針對(duì)手寫體數(shù)字識(shí)別的理論和方法，包括預(yù)處理、提取數(shù)字字符的結(jié)構(gòu)特征和筆劃特征、模板匹配識(shí)別方法,并以C+作為編程語(yǔ)言開發(fā)一個(gè)小型的具有友好圖形用戶界面的自由手寫體數(shù)字識(shí)別系統(tǒng)。二、設(shè)計(jì)（研究）現(xiàn)狀和發(fā)展趨勢(shì)（文獻(xiàn)綜述）：光學(xué)字符識(shí)別（OCR）是目前字符識(shí)別研究中使用最廣泛的方法，手寫數(shù)字識(shí)別是OCR的一個(gè)研究方向，它研究的對(duì)象是如何利用電子計(jì)算機(jī)自動(dòng)辨認(rèn)人手寫在紙張上的阿拉伯?dāng)?shù)字。由于問題的特殊性，傳統(tǒng)的OCR方法不能有效地解決這些問題。因此，手寫數(shù)字的識(shí)別方法應(yīng)該是一種具有自適應(yīng)、抗干擾、能夠有效地解決手寫數(shù)字分割、統(tǒng)計(jì)模式識(shí)別與結(jié)構(gòu)模式識(shí)別相結(jié)合的方法。在過去的數(shù)十年中，研究者們?cè)褂没诮Y(jié)構(gòu)特征的方法1、基于統(tǒng)計(jì)特征的方法1、基于神經(jīng)網(wǎng)絡(luò)的方法2-3解決手寫數(shù)字識(shí)別問題，取得了不少令人滿意的成果。結(jié)構(gòu)特征4-5通常包括園、端點(diǎn)、交叉點(diǎn)、筆劃、輪廓等，能描述字符的結(jié)構(gòu)，在識(shí)別過程中能有效地結(jié)合幾何的知識(shí)，因此能夠得到可靠性較高的識(shí)別結(jié)果；統(tǒng)計(jì)特征6通常包括點(diǎn)密度的測(cè)量、矩、特征區(qū)域等，易于訓(xùn)練，而在給定的訓(xùn)練集上能夠得到相對(duì)較高的識(shí)別率?；谏窠?jīng)網(wǎng)絡(luò)的方法是采用人類大腦神經(jīng)中學(xué)習(xí)反饋的思想，通過用戶訓(xùn)練得出正確的識(shí)別結(jié)果。是當(dāng)今應(yīng)用的最廣泛的方法，其特點(diǎn)在于樣本數(shù)可以比較少，因此有比較好的運(yùn)行效率，實(shí)現(xiàn)比較簡(jiǎn)單。但識(shí)別的過程需要人的參與（訓(xùn)練），識(shí)別的正確率受用戶主觀因素的影響。誤差反向傳播神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱BP網(wǎng)絡(luò)7，是一種朝著滿足給定的輸入輸出關(guān)系方向進(jìn)行自組織的神經(jīng)網(wǎng)絡(luò)，目前已經(jīng)成為廣泛使用的網(wǎng)絡(luò)，并以此為基礎(chǔ)做了很多改進(jìn)，發(fā)展了很多快速收斂學(xué)習(xí)算法。支持向量機(jī)，簡(jiǎn)稱SVM8，是統(tǒng)計(jì)學(xué)習(xí)方法，應(yīng)用于尋找圖像像素之間的特征差別，分類的準(zhǔn)確率很高，正成為當(dāng)今研究的熱點(diǎn)。三、研究的重點(diǎn)與難點(diǎn)，擬采用的研究手段：手寫數(shù)字識(shí)別問題中具體實(shí)現(xiàn)時(shí)的幾個(gè)關(guān)鍵階段及處理方法：1、預(yù)處理階段將原始的圖像轉(zhuǎn)換成識(shí)別器所能接受的二進(jìn)制形式，其優(yōu)劣直接影響著識(shí)別的效率。通過灰度化，二值化，平滑去噪，字符分割，歸一化的步驟處理。2、特征提取階段是將數(shù)字字符形狀轉(zhuǎn)換為一組特征值的過程，其好壞決定著最終識(shí)別的效果。針對(duì)數(shù)字字符的端點(diǎn)，三度點(diǎn)，四度點(diǎn)，折點(diǎn)的個(gè)數(shù)與位置，橫向切割交點(diǎn)序列，縱向切割交點(diǎn)序列等特征值，通過沿著輪廓點(diǎn)掃描的方法來實(shí)現(xiàn)。3、識(shí)別階段是利用提取得特征對(duì)待識(shí)別的數(shù)字字符進(jìn)行識(shí)別處理。針對(duì)同一個(gè)數(shù)字，不同的人有不同的寫法，建立判別分類函數(shù)，然后對(duì)一個(gè)未知的新對(duì)象分析它的特性，決定它屬于哪一類。由于手寫體數(shù)字識(shí)別難于建立精確的數(shù)學(xué)模型，本文采用BP神經(jīng)網(wǎng)絡(luò)對(duì)這一問題進(jìn)行處理。四、設(shè)計(jì)（研究）進(jìn)度計(jì)劃：14月1日4月7日（第5周），樣本數(shù)據(jù)采樣24月8日4月14日（第6周），樣本預(yù)處理算法選擇34月15日5月5日（第7，8，9周），特征提取算法、識(shí)別算法選擇，系統(tǒng)設(shè)計(jì)45月6日5月12日（第10周），仿真試驗(yàn)及結(jié)果分析55月13日6月2日（第11，12，13周），撰寫論文66月3日6月16日（第14，15周），論文修改、答辯準(zhǔn)備76月17日6月23日（第16周），答辯五、參考文獻(xiàn)：1MoriS,SuenC.Y.,YamamotoK.HistoricalReviewofOCRResearchandDevelopmentJ.Proc.IEEE.1992,38(7):10291057.2李榕,何大可,楊宗凱,姚天任.分形理論和神經(jīng)網(wǎng)絡(luò)在手寫數(shù)字識(shí)別中的應(yīng)用M.武漢:華中理工大學(xué)出版杜,1994:383-386.3謝光毅,鐘義信.神經(jīng)網(wǎng)絡(luò)用于手寫體數(shù)字識(shí)別J.模式識(shí)別與人工智能,1994,46(3):379337.4Vada1C.LegaullR,SuenC.Y.ComplemenlaryalgorithmsfortherecognitionoftotallyunconstrainedhandwrittennurneralsC.InProcofthe10thIntConfPatternRecognition,1990-06:434-449.5ChengHIan.RecogninilionofhandwrittendigitsbasedoncontourInforrnationJ.PaternRecognition,1998,18(6):235-255.6張重陽(yáng),婁震,楊靖宇.基于輪廓和統(tǒng)計(jì)特征的手寫體數(shù)字識(shí)別J.計(jì)算機(jī)工程與應(yīng)用,2004,3(9):83-84,89.7朱學(xué)芳,石青云,程民德.用BP網(wǎng)識(shí)別無限制手寫數(shù)字的研究神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用94,最新進(jìn)展M.武漢:華中理工大學(xué)出版杜,1994:379382.8DANIELSAGE,FRANCKRNEUMANN,FLORENCEHE2DIGER,etal.AutomaticTrackingofIndividualF