基于BP神经网络与方向小波的手写数字识别系统.doc

序号： 13 编码： 11-10-A-C-13 燕山大学第十六届“世纪杯”大学生课外学术科技作品竞赛作品申报书 作品名称： 基于BP神经网络与方向小波的手写数字识别系统 所属学院： 申报者姓名：(集体名称)： 类别：自然科学类学术论文 哲学社会科学类社会调查报告和学术论文科技发明制作A类 科技发明制作B类共青团燕山大学委员会2011年10月说 明1申报者应在认真阅读此说明各项内容后按要求详细填写。2申报者在填写申报作品情况时只需根据个人项目或集体项目填写A1或A2表，根据作品类别（自然科学类学术论文、哲学社会科学类社会调查报告和学术论文、科技发明制作）分别填写B1、B2或B3表。其中科技发明制作类分成两类：A类指科技含量较高、制作投入较大的作品；B类指制作投入较小，对生产技术或社会生活带来便利的小发明、小制作。所有申报者可根据情况填写C表。评分表也只需所则对应的表格填写即可。3表内项目填写时一律打印，字迹要端正、清楚，此申报书可复制。4序号、编码由各院科协组织人员编写。5参赛作品及有关材料必须是中文（若是外文，请附中文本），请以4号楷体_GB打印在A4纸上，附于“E参赛作品打印处”。行距：固定值26，页边距：左右2.5cm，上下2.5cm。6作品申报书须按要求以学院为单位统一报送。报送地址：燕山大学大学生科学技术协会办公室(东区大学生活动中心210)。7、其他事宜可咨询校团委科技实践部杨晓芳，8057103。或咨询校科协，8062370（19:00-21:30）。A2申报者情况（集体项目）申报者代表情况姓名性别出生年月学院理学院专业电子信息年级10级作品名称基于BP神经网络与方向小波的手写数字识别系统论文题目基于BP神经网络与方向小波的手写数字识别系统宿舍地址手机宿舍电话无电子邮箱1468682229其他作者情况姓 名性别年龄学院专业年级电话 B3申报作品情况（科技发明制作）说明： 1本表必须附有研究报告，并提供图表、曲线、试验数据、原理结构图、外观图（照片），也可附鉴定证书和应用证书； 2作品分类请按照作品发明点或创新点所在类别填报。作品全称基于BP神经网络与方向小波的手写数字识别系统作品分类（ B ）A机械与控制（包括机械、仪器仪表、自动化控 制、工程、交通、建筑等） B信息技术（包括计算机、电信、通讯、电子等） C数理（包括数学、物理、地球与空间科学等） D生命科学（包括生物、农学、药学、医学、健 康、卫生、食品等） E能源化工（包括能源、材料、石油、化学、化 工、生态、环保等）作品设计、发明的目的和基本思路，创新点，技术关键和主要技术指标一、作品目的与意义脱机手写数字识别由于其字形信息量小、字形相差不大、笔划顺序信息难于获取、数字变形大等特点成为模式识别领域一个具有挑战性的课题。脱机手写数字识别能在大规模数据的统计、金融领域、邮件的自动分拣以及手写文稿自动输入等诸多方面发挥巨大作用，它的研究对于脱机手写数字信息的录入和开发新的计算机智能输入系统有重要意义。二、作品的基本思路与关键技术基本思路：本项目利用神经网络中的神经网络算法，并引入方向小波的图像边缘的变换，以Matlab软件为开发平台，对图像中手写数字进行智能化识别。在对人脑的抽象简化和模拟的基础上，建立组织能够放映人脑基本特性的并由大量人工神经网络单元组成的网络，该网络分为输入层，隐藏层以及输出层，输入层主要负责接收数据，隐藏层将所有的从输入层接收到的数据（inputs）进行函数运算即将所得数据乘对应权重（weight）并求和得到一个激励值（activation value），比较该激励值与阈值（t）的大小，从而确定输出层的值。引入方向小波的图像边缘换算以及小波提升可以使输入层的数据在计算机编程中更加精确。并在上述软件平台下进行计算机的仿真模拟，通过对该神经网络反复的输入与输出的训练，根据输出结果不断调整各个输入值所对应的权重（weight），从而使计算机达到对图像手写数字的智能化识别的效果。重点与难点：项目拟完成以下模块神经网络模型的构建根据实际的工作情况确定输入层输出层以及隐藏层中每层人工神经细胞的个数以及隐藏层的层数，要使用尽可能少的人工神经细胞和隐藏层数以保证网络较快的工作速度。理论预计使用10个人工神经细胞。程序算法的实现在基于上述软件的平台下设计合适的算法并编写相应的应用程序以减少反复训练的次数，从而达到对权重（weight）的快速优化输入数据的采集工作利用摄像头对大量的手写数字进行采集，并利用小波提升的原理对图像数字建立合适的特征提取，将所得数据转化成向量的形式作为输入数据并输入到计算机中。图1.神经网络示意图三、作品的创新之处引入神经网络构建网络模型。通过有监督的学习训练，使计算机打破了高度依赖严格的应用程序的限制，使图像识别趋于人工智能化，可以充分逼近任意复杂的非线性关系，在一定程度上模拟了人脑的一些基本特性。有机结合方向小波技术。利用小波提升，弥补了一般的二维小波无法反映图像在维向量空间中方向的任意性的缺陷，利用方向小波的方向特性对数字图像进行特征提取，使得输入数据更加精确。充分利用各种软件资源。将计算机编程与数学建模以及图像绘制分析同时应用于项目的工作，利用编程达到网络设计算法的实现，建立数学模型对输入隐藏层的数据进行处理分析，同时应用这些可以使得项目的进行更加顺利。作品的科学性先进性（必须说明与现有技术相比、该作品是否具有突出的实质性技术特点和显著进步。请提供技术性分析说明和参考文献资料） 本作品基于BP神经网络的图像识别技术具有很强的鲁棒性和容错性，采用并行处理方法，从而能够快速计算；其独特的自学习、自组织、自适应性，使得网络可以处理不确定或不知道的系统，可以充分逼近任意复杂的非线性关系。适用于信息融合以及多媒体技术，在智能机器人的开发，地震高发地带的地震的监测，以及一些系统的智能识别技术等方面都有实际的应用。图像识别是人工智能的一个重要领域，它是利用计算机在各种数学模型的基础上对图像进行处理，分析与理解，以识别不同模式的目标和对象的技术。通过建立不同的图像识别模型并编制模拟人类图像识别活动的计算机程序来完成计算机智能识别目标或对象的工作。图像识别技术在国外已经发展了很长一段时间了，它以神经网络为基础。目前，BP网络已成为广泛使用的网络；1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮；在国内的研究相对较少，据了解，国内目前只有中科院，清华以及等在这方面的研究处于领先水平。作品理论的研究具有很广泛的应用前景，它的研究可用于汽车牌照，手写字符，邮政编码，银行支票或协议合同的重要收据的签字的智能识别，以该项目的理论研究为基础可以开发指纹声音识别，目标的自动识别移动，机器人传感器的图像识别以及地震信号的鉴别等一系列与之有关的项目，拓展图像识别技术在实际生活中的应用领域，从而推动社会的进步。作品在何时、何地、何种机构举行的评审、鉴定、评比、展示等活动中获奖及鉴定结果 作品所处阶 段（B）A实验室阶段 B中试阶段 C生产阶段D （自填）作品可展示的形 式 实物、产品 模型 图纸 磁盘 现场演示 图片 录像 样品使用说明及该作品的技术特点和优势，提供该作品的适应范围及推广前景的技术性说明及市场分析和经济效益预测作品理论的研究具有很广泛的应用前景，它的研究可用于汽车牌照，手写字符，邮政编码，银行支票或协议合同的重要收据的签字的智能识别，以该项目的理论研究为基础可以开发指纹声音识别，目标的自动识别移动，机器人传感器的图像识别以及地震信号的鉴别等一系列与之有关的项目，拓展图像识别技术在实际生活中的应用领域，从而推动社会的进步。专利申报情况提出专利申报 申报号 申报日期 年 月 日已获专利权批准 批准号 批准日期 年 月 日 未提出专利申请学院团委意见（盖章）年 月 日C.当前国内外同类课题研究水平概述说明：1.申报者必须根据作品类别和情况填写； 2.填写此栏有助于评审。图像识别是人工智能的一个重要领域，它是利用计算机在各种数学模型的基础上对图像进行处理，分析与理解，以识别不同模式的目标和对象的技术。通过建立不同的图像识别模型并编制模拟人类图像识别活动的计算机程序来完成计算机智能识别目标或对象的工作。图像识别技术在国外已经发展了很长一段时间了，它以神经网络为基础。最早的研究20世纪40年代心理学家Mcculloch和数学家Pitts合作提出的，他们提出的MP模型拉开了神经网络研究的序幕。1986年Kumelhart等人提出误差反向传播神经网络，简称BP网络。目前，BP网络已成为广泛使用的网络；1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮；在国内的研究相对较少，据了解，国内目前只有中科院，清华以及等在这方面的研究处于领先水平，可以说中国在人工神经网络与模式识别这方面还有很长的路要走！该选题的研究意义：该项目理论的研究具有很广泛的应用前景，仅仅对于此项目而言，它的研究可用于汽车牌照，手写字符，邮政编码，银行支票或协议合同的重要收据的签字的智能识别，以该项目的理论研究为基础可以开发指纹声音识别，目标的自动识别移动，机器人传感器的图像识别以及地震信号的鉴别等一系列与之有关的项目，拓展图像识别技术在实际生活中的应用领域，从而推动社会的进步。D1.指导教师情况及对作品的说明说明：1由指导教师本人亲笔签名； 2指导教师原则上应具有副高及以上专业技术职称，并是与申报作品相同或相关领域的专家学者或专业技术人员； 指导教师情况姓 名职称所在学院理学院研究方向神经网络与非线性动力系统单位电话电子邮箱请对申报者申报情况的真实性作出阐述 在本人的监督指导下，该作品为学生自行独立设计，分别完成了图像的预处理、BP神经网络分类器的MATLAB语言程序设计、模式识别与小波变换等理论知识的学习，在VC6.0下实现联机手写数字识别的系统，具有真实性。签字：2011年10 月22 日 请对作品的意义、技术水平、适用范围及推广前景作出您的评价作品理论的研究具有很广泛的应用前景，它的研究可用于汽车牌照，手写字符，邮政编码，银行支票或协议合同的重要收据的签字的智能识别，以该项目的理论研究为基础可以开发指纹声音识别，目标的自动识别移动，机器人传感器的图像识别以及地震信号的鉴别等一系列与之有关的项目，拓展图像识别技术在实际生活中的应用领域，从而推动社会的进步。签字：2011年10月22日E参赛作品打印处基于BP神经网络与方向小波的手写数字识别系统摘要：手写体数字识别是自动模式识别中一个非常活跃的研究领域。本文针对原有数字识别处理技术中识别特征向量单一的问题，提出了基于BP神经网络与多分类识别器以权值集成方式进行结合的方法，来提高了数字识别系统的识别速度和识别率，并对此进行了实现。关键字：图像预处理 ；特征提取；数字识别 ；BP神经网络；一、 整体流程：数字识别主要有学习与识别两个阶段，整体构架如图所示。 在学习阶段，主要是通过对训练集数字字符的研究，确定每一数字字符类别的标准样本建立样本库，以便在识别阶段使用。在识别阶段中，将待识别数字字符经过扫描仪等输入设备送入主机；然后进行预处理，预处理后再按某种特征提取方法取出数字字符的特征；最后，将待识别数字字符的特征与学习阶段中所确定的标准样本的特征进行比较判决，得出识别结果并把结果以某种方式输出。二、数字识别过程由于输入设备及纸张原因会造成输入字体的畸变，产生污点、非白、断笔、交联、噪声等干扰。所以，在识别之前要对数字字符进行预处理，以去除噪声，压缩冗余信息。由于一般都是在预处理后的图像上提取特征，因此如果这个步骤结果不理想，往往会给后面的特征提取阶段带来无法纠正的错误。所以预处理的优劣直接关系到识别结果的正确与否，关系到识别算法的性能。预处理必须在手写数字识别应用系统设计时高度重视。预处理主要包括二值化、分割、平滑、归一化、细化等过程。其中处理流程大致如下：三、 神经网络结构与BP算法（1）网络结构神经网络可分单层神经网络(不带输入层)，和多层神经网络，实验证明，神经网络的的层数多少不影响网络对实体的识别，但适当的多层结构可以使网络的训练学习进度提高，可以更快地收敛到需要的权值上，但层数越多，或者层数不多都不足以证明能够越快地收敛到需要的权值上，系统拟采用分层前向神经网络，即前一层神经元单向馈入后一层神经元，而后层的神经元不能馈入前向。结构如图：（2）算法简介（1） 模型建立：选择合适的神经元数为数字识别找出一种最佳的非线性组合关系，确定输入层输出层以及隐藏层的神经细胞数目，本项目拟用10个神经细胞并确定输入与输出结点数。（2） 确定隐藏层中的激励函数：本项目拟采用逻辑斯蒂S形函数 ，其中p处置预设为1。.（3） 在VC仿真平台上编写程序通过大量的训练不断调整网络中的参数值如权重（weight）等值设置。（4） 在Matlab，VC6.0，以及openCV等软件平台下处理数据，实现最终结果的校验与仿真。仿真结果如图： 四、源程序（1）MATLAB 神经网络的学习与训练clear all;p(1:256,1)=1;load digit net; test=input(Please input a digits image:,s); s=input(Please input the number of digits:); x=imread(test,bmp); xbw=im2bw(x,0.9); xbw=medfilt2(xbw);%Use medium filter if neededbw=xbw;result=;for n=0:s-1p1=ones(16,16); c,l=size(bw); i,j =ind(bw=0); jmin=min(j); xbwt=bw(:,jmin:l); c,l=size(xbwt); i,j=find(all(xbwt(1:c,:)=1); jmin=min(j); xbwnn+1=xbwt(:,1:jmin-1); bw=xbwt(:,jmin:l); i,j = find(xbwnn+1=0); imin=min(i); imax=max(i); xbwn1n+1=xbwnn+1(imin:imax,:); rate=16/max(size(xbwn1n+1); xbwn1n+1=imresize(xbwn1n+1,rate); i,j=size(xbwn1n+1); i1=round(16-i)/2); j1=round(16-j)/2); p1(i1+1:i1+i,j1+1:j1+j)=xbwn1n+1; xp(1:16,n*16+1:(n+1)*16)=p1; p1=-1.*p1+ones(16,16); for m=0:15 p(m*16+1:(m+1)*16,1)=p1(1:16,m+1); enda,Pf,Af = sim(net,p); b=round(a); if b9; b=b-1; end result=strcat(result,num2str(b); end imshow(xp); title(The input Numbers image:)text(0,60,strcat(Recognition Result：,result),FontSize,10);（2）VC6.0下实现系统的仿真部分程序/ MainFrm.cpp : implementation of the CMainFrame class#include stdafx.h#include pattern.h#include MainFrm.h#include Splash.h#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE = _FILE_;#endif CMainFrameIMPLEMENT_DYNCREATE(CMainFrame, CFrameWnd)BEGIN_MESSAGE_MAP(CMainFrame, CFrameWnd)AFX_MSG_MAP(CMainFrame)ON_WM_CREATE()AFX_MSG_MAPEND_MESSAGE_MAP()static UINT indicators =ID_SEPARATOR, / status line indicatorID_INDICATOR_CAPS,ID_INDICATOR_NUM,ID_INDICATOR_SCRL,; CMainFrame construction/destructionCMainFrame:CMainFrame()/ TODO: add member initialization code hereCMainFrame:CMainFrame()int CMainFrame:OnCreate(LPCREATESTRUCT lpCreateStruct)if (CFrameWnd:OnCreate(lpCreateStruct) = -1)return -1;/*if (!m_wndToolBar.CreateEx(this, TBSTYLE_FLAT, WS_CHILD | WS_VISIBLE | CBRS_TOP| CBRS_GRIPPER | CBRS_TOOLTIPS | CBRS_FLYBY | CBRS_SIZE_DYNAMIC) |!m_wndToolBar.LoadToolBar(IDR_MAINFRAME)TRACE0(Failed to create toolbarn);return -1; / fail to create*/*/加入操作栏if (!m_wndControlBar.CreateEx(this, TBSTYLE_FLAT, WS_CHILD | WS_VISIBLE | CBRS_TOP| CBRS_GRIPPER | CBRS_TOOLTIPS | CBRS_FLYBY | CBRS_SIZE_DYNAMIC) |!m_wndControlBar.LoadToolBar(IDR_CONTROL)TRACE0(Failed to create toolbarn);return -1; / fail to createm_wndControlBar.SetWindowText(_T(操作按钮);m_wndControlBar.EnableDocking(CBRS_ALIGN_ANY);EnableDocking(CBRS_ALIGN_ANY);DockControlBar(&m_wndControlBar);/*if (!m_wndStatusBar.Create(this) |!m_wndStatusBar.SetIndicators(indic