摘要：当今，计算机和数字图像处理技术不断进步，很多方面都要用到数字识别技术。目前的数字识别是由印刷体数字识别和手写体数字识别所组成的。因为每个人的书写笔记不一样，手写体数字的识别更困难，研究正处于起步阶段，识别率不高。本文主要研究手写体数字识别技术。

人工神经网络具有高度的非线性，近年来得到了迅速的发展，与外部世界交互时，因为它具备自学习、自组织能力，使我们实现一些不能用当前计算机理论达到的功能；关于那些没法创建确切数学模型的体系，神经网络有着特别的优点。

本文采取依据概率神经网络的方法来完成手写体数字识别。第一用灰度化、二值化、平滑去噪、归一化、细化等预处理。其次是对数字图像进行特征提取。最后是概率神经网络分类器的建立和识别过程，对训练后的网络模型进行测试，得出测试结果。

关键词：手写体数字识别；预处理；特征提取；概率神经网络

目录

摘要

ABSTRACT

1　引言-1

2　径向基函数网络-2

2.1　概率神经网络-2

2.1.1 　模式分类的贝叶斯决策理论-2

2.1.2 　概率神经网络的结构-3

2.1.3　概率神经网络的优点-5

2.2　广义回归神经网络-6

2.2.1 　广义回归神经网络的理论基础-6

2.2.2　广义回归神经网络的结构-7

3　数字图像常规预处理和特征提取-9

3.1　手写体数字识别的预处理-9

3.1.1　图像的灰度化-9

3.1.2　图像的二值化-9

3.1.3　图像的去噪-10

3.1.4　图像的分割-11

3.1.5　图像的归一化-11

3.2　手写体数字识别的特征提取-12

3.2.1　手写体数字特征提取的原则-12

3.2.2　手写体数字特征提取方法-12

4　基于概率神经网络的手写体数字识别的实现-14

4.1　手写体数字识别的流程-14

4.2　样本准备-15

4.2.1　灰度化-15

4.2.2　二值化-16

4.2.3　平滑去噪-16

4.2.4　图像的归一化-16

4.3　对图像进行特征提取-17

4.4　构造分类器——概率神经网络-20

4.5　手写体数字识别的实现-21

4.6　仿真结果-22

5　总结-27

致谢-28

参考文献-29

附录-30