摘要：数字识别系统近几年发展十分迅速，人们对数字识别误差以及训练的时间要求越来越高，采用ANN技术进行数字识别可以解决这方面的问题。它具有自适应、自学习、非线性等优点。能够大幅度地提高工作效率，降低人工成本、提高数字的识别率、减少数字识别的时间等问题。

本课题采用BP神经网络的方法对数字进行识别。首先我们对数字图像进行预处理。根据预处理后的图像，提取图像的像素值。然后不断训练设计好的BP网络，对比训练的结果和期望的结果。通过最终的结果来对ANN的权值进行修改，以达到最好的神经网络。最后可以通过测试的样本来进行仿真测试。

关键词：ANN；BP网络；预处理；仿真测试

目录

摘要

ABSTRACT

第一章  绪论-1

1.1 数字识别的简介-1

1.2 数字识别方法及研究现状-1

1.3 数字识别的技术难点-2

1.4 课题研究内容-3

第二章  图像的预处理-4

2.1 彩色图像的灰度化-4

2.2 灰度图像二值化-5

2.3 去除离散杂点噪音-6

2.4 整体倾斜度调整-7

2.5 字符分割-7

2.6 标准归一化-7

2.7 字符的紧缩对齐-7

2.8 特征提取-8

第三章  ANN技术-9

3.1 ANN的概述-9

3.1.1 生物神经元-9

3.1.2 人工神经元-9

3.2 ANN的理论基础-10

3.3 BP神经网络的概述-12

3.4 BP算法的传递函数-13

3.5 BP算法的步骤-14

第四章  基于ANN的数字识别系统-16

4.1 系统框架-16

4.2 系统实现过程-16

4.2.1 图像预处理-16

4.2.2 ANN的设计及训练-23

4.2.3 数字图像的识别-25

4.3 实验结果及分析-26

第五章  总结与展望-29

5.1 总结-29

5.2 后续工作及展望-29

结束语-30

致  谢-31