基于BP神经网络的手写英文字母识别

论文摘要

随着社会的发展,英语作为国际通用语言得到了日益广泛的应用,因此有大量的英文文档整理、查询、统计的工作需要完成,而英文文档识别系统可以轻而易举地完成很多以前难以想象的工作。本文所设计的英文字母识别系统包括输入图片、归一化、识别三个部分,本文所用到的英文字母样本都是在Windows自带的画图板中手写输入获得的。首先采用MATLAB的imread.m函数读取手写体英文字母图像,因为字母图像还没有达到提取特征和输入识别的要求,本文中采用自定义的归一化算法进行图像预处理,将28×28像素图像归一化成10×14像素的图像,再用逐像素特征提取法提取字母特征。预处理后将提取到的字母特征进行编码作为神经网络的输入。抽取输入样本的特征向量,并选取520幅样本(20组)对BP神经网络进行训练,然后将另外的520幅样本输入到训练好的网络中,就可以根据网络的输出得到识别结果,并且本文的识别系统在MATLAB环境下进行了仿真模拟。本文的研究表明,基于BP神经网络的手写英文字母识别系统可以高效的识别与训练样本字体相同的字符,同时具有一定的抗干扰和形变的能力,还可以很好的应用于与字符识别相关的其他领域。本文给出了英文字母识别的BP网络设计过程、方案、及部分源程序。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 目的和意义
• 1.2 光学字符识别技术的现状及展望
• 1.3 光学字符识别方法
• 1.3.1 基于统计特征的字符识别技术
• 1.3.2 基于结构特征的字符识别技术
• 1.3.3 基于神经网络的字符识别技术
• 1.4 问题和困难
• 1.4.1 印刷体字符识别
• 1.4.2 手写体字符识别
• 1.5 本文的内容安排
• 1.6 本文的创新点
• 第二章 BP 神经网络
• 2.1 人工神经网络
• 2.1.1 发展简史
• 2.1.2 主要特点
• 2.1.3 基本结构与模型
• 2.2 BP 神经网络模型
• 2.3 BP 学习算法及规则
• 2.3.1 信息的正向传递
• 2.3.2 利用梯度下降法求权值变化及误差的反向传播
• 2.3.3 误差反向传播的流程图
• 2.4 改进的BP 网络学习算法
• 2.4.1 附加动量法
• 2.4.2 自适应学习速
• 2.4.3 L-M 法
• 第三章 字符识别与图像处理
• 3.1 字符识别
• 3.2 图像处理
• 3.2.1 图像分类
• 3.2.2 图像存储原理
• 3.2.3 数字图像的表示
• 3.2.4 图像信号数字化
• 3.2.5 图像特征提取
• 第四章 字母识别预处理
• 4.1 图像的保存和读取
• 4.2 图像的归一化
• 4.3 定义标准化字母
• 第五章 基于 BP 神经网络的手写大写英文字母识别模型
• 5.1 网络的选择
• 5.2 输入层和输出层节点数目的确定
• 5.3 隐含层节点数的确定
• 5.4 改进的BP 算法比较
• 5.5 学习速率的选择
• 5.6 期望误差的选择
• 5.7 其他参数的设定
• 第六章 英文字母识别系统的实现
• 6.1 BP 网络训练
• 6.2 系统的结构与功能
• 6.3 系统的程序实现
• 6.4 实验结果
• 结论
• 附录
• 参考文献
• 攻读硕士期间发表的论文及所取得的研究成果
• 致谢