基于人工神经网络的光学字符识别系统及硬件实现(27页).ppt

基于人工神经网络的光学字符识别系统及硬件实现 指导教师：李 祥 教授 答 辩 人：杨 扬 选题背景及意义 人工神经网络目前已经广泛地用来解决模式识别和人工智能领域的一些复杂问题。由于人工神经网络的非线性以及并行性和鲁棒性等特点，在上述领域，其取得了以往传统算法无法获得的成功。 由于人工神经网络等新技术的引入，从上世纪70年代以来，光学字符识别技术逐渐走向成熟。对于脱机印刷体字符的识别，目前已经有了很高的识别率；对于小规模的手写体字符识别，也已经走向实用。 当前，由于半导体加工工艺的进步，微处理器的体积越来越小，速度越来越快。这使得构建能够替代PC机功能而体积更小、造价更低的硬件平台成为可能。 选题背景及意义 小规模光学字符识别系统应用广泛，有着巨大的商业前景。如：邮政编码识别、汽车照牌识别、交通标示识别、产品编码识别等。 能够处理视频的嵌入式设备也有着广泛的应用前景。如视频监控、视频通讯、机器视觉系统等。 本文所做的主要工作与创新之处 研究了人工神经网络及光学字符识别的基本理论、一般方法： 对人工神经网络的发展、现状、理论做了深入的研究。重点研究了BP网络的原理、特点、应用方法。研究了脱机光学字符识别的方法、理论。重点研究了基于K-L变换的字符图像的特征抽取方法。 研究了基于ARM技术的嵌入式系统的构造、设计： 通过实际动手，研究了基于ARM技术的处理器的基本构造、使用方法；使用并比较了三星4510b、atmel at91rm9200芯片的性能；掌握了高频印刷版的设计工艺。 研究了Linux操作系统的结构及移植方法： 本文的嵌入式系统使用ucLinux或Linux操作系统。通过对操作系统的移植及对其代码研究，掌握了在ARM系统上移植ucLinux操作系统和Linux操作系统的方法、步骤。 本文所做的主要工作与创新之处 实现了图像处理函数库： 针对脱机光学字符处理的应用需要，实现了一套高效的图像处理函数库，包含图像转换、图像抽取、图像调整、图像变换、图像滤波、边缘检测、轮廓跟踪、轮廓检测、简单几何形状识别几大类。 实现了BP人工神经网络函数库： 实现了基于矩阵运算的BP神经网络算法。能够利用Matlab生成的网络数据进行快速的运算。 掌握了利用Matlab工具构建人工神经网络系统的方法： Matlab包含了能强大的人工神经网络工具箱。BP神经网络的规模、激活函数的选择，直接影响了BP神经网络的效果。而BP神经网络的规模、激活函数的选择，目前并没有完善的理论做支持，必须通过实验来确定其规模或者激活函数。另外，BP神经网络的训练算法也必须通过实验来选取一种最佳的方案。 由于Matlab工具具有可视化效果、Matlab具有完善的训练算法，因此，我们使用Matlab来确定网络规模、结构，并使用Matlab训练BP网络。 本文所做的主要工作与创新之处 实现了小规模光学字符识别算法： 利用K-L变换，完成字符图像的特征抽取，利用BP网络，以K-L变换抽取的特征为输入，完成光学字符识别。文中利用美国USPS数据库，训练了手写体阿拉伯数字识别网络，识别率高于92%。 对样本的每个分类，单独构造一个BP神经网络分类器： 通常，在构造BP神经网络分类器时，输出层节点数目等于分类的数目，输出层每个节点就对应于一个分类。本文中对每个分类都构造一个BP网络分类器，每个分类器输出层包含一个节点，表示样本为本分类的概率。这样的设计，大大降低了BP网络的训练难度。 利用阿拉伯数字的拓扑结构。使用2级分类器，提高了识别率： 在初级网络识别结果的基础上，进一步利用阿拉伯数字的拓扑结构，成像特征，构建了第2级分类器。第二级BP网络分类器的加入，大大提高的数字的识别率。 实现了用于邮件自动分拣机的邮政编码识别装置： 综合上述的研究工作，文中实现了一个邮政编码识别装置。该装置能够识完成邮编的定位、邮编抽取、识别等系列工作。配合邮件自动分拣机的其他物理动作单元，完成邮件的自动分拣工作。 内容提要 技术概述 技术详解 应用前景 人工神经网络及BP网络 神经网络领域研究的背景工作始于19世纪末和20世纪初。它源于物理学、心理学和神经生物学的跨学科研究 。人工神经网络的第一个实际应用出现在20世纪50年代后期，Frank Rosenblatt提出了感知机网络和学习规则 。 神经网络的基本组成单元是神经元，在数学上的神经元模型是和在生物学上的神经细胞对应的。或者说，人工神经网络理论是用神经元这种抽象的数学模型来描述客观世界的生物细胞的。 BP神经网络是一种多层前馈神经网络，或被称为多层感知机。严格地说，这种神经网络之所以被称为BP神经网络，并非由于其网络结构，而是由于其连接权值的训练是基于一种叫做误差反向传播的算法(backpropagation)。BP算法实