有哪些信誉好的足球投注网站- 1、本文档共48页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
[理学]毕业论文-唐炜炜
2010 届毕业设计（论文）
题目：
学 院：
专 业： 通信工程：
姓 名：
指导教师：
起讫时间：
2010年月 BP神经网络 Recognition of handwritten digits
Abstract
Handwritten number recognition is one of the research topic field of image processing and pattern recognition. As a result of the written factors that make number images very arbitrary, such as: stroke thickness, font size, the inclination of handwritten numbers, which have a direct impact on the correct identification of numbers. So recognition of handwritten numbers is the most challenging issues of pattern recognition area.
The paper aims to study the methods of handwritten number recognition. In this paper, the background and development of the handwritten number recognition method are introduced. Also the preprocessing of the handwritten number recognition is introduced, which discuss the algorithms of binarization, the smooth, character segmentation and refinement. And then it uses the characters of coarse grid to pick up the numbers’ characters. After that it use the BP neural network to train and recognize. At last, a GUI is created to verify the result.
The experimental results show that the recognition system’s recognition accuracy meets the expected requirements. The system is effective.
?
Key Words: Number recognition; Characters of coarse grid; BP neural network 目 录
摘 要 I
Abstract II
第一章 绪论 1
1.1 手写数字识别的意义和应用前景 1
1.2 字符识别的研究与发展 2
1.3 手写数字识别的难点 3
1.4 本文的主要内容和安排 3
第二章 字符图像预处理 5
2.1 图像灰度化 5
2.2 图像二值化 6
2.3平滑去噪 8
2.4 字符分割 9
2.5 字符图像的归一化和细化 10
2.5.1 字符图像的归一化 10
2.5.2 字符图像的细化 10
2.6 本章小结 11
第三章 字符特征提取 12
3.1 统计特征提取 12
3.1.1 复杂指数特征 12
3.1.2 四周边特征 13
3.1.3 投影特征 13
3.1.4 弹性网格特征 13
3.2 结构特征提取 14
3.2.1 笔道密度函数 14
3.2.2 空洞和缺口 14
3.2.3 字符的特殊节点数 14
3.2.4 字符链码 15
3.3 本文的特征提取 15
3.4 本章小结 16
第四章 神经网络训练及识别 17
4.1 人工神经网络模型 17
4.1.1 生物神经元模型 17
4.1.2 神经元模型 18
4.1.3神经网络模型 18
4.2 BP神经网络 19
4.2.1 BP神经网络介绍 19
4.2.2 BP神经网络的构建 20
4.2.3 BP神经网络的学习训练 20
4.3 基于BP神经网络的字符分类器的设计 21
4.3.1 BP网络的结构设计 21
4.3.2 BP神经网络学习参数设计 22
4.4
文档评论（0）