手写数字识别

手写数字识别 手写数字识别是模式识别领域中最成功的应用之一，研究热点之一。随着计算机技术和数字图像处理技术的飞速发展，手写数字识别在电子商务、机器自动输入等场合已经获得成功的实际应用。但是，机器的识别能力还无法与人的认知能力相比，这仍是一个有难度的开放问题。 近年来，人工神经网技术发展十分迅速，它具有模拟人类部分形象思维的能力，开辟了新的途径，成了模拟人工智能的一种重要方法。BP（Back Propagation）网络是神经网络中的一种，可以很好地解决非线性问题，在函数逼近、模式识别和数据压缩等方面都有很广泛的应用。 手写体数字识别方法可以分为两类：基于结构特征的方法和基于统计特征的方法。统计特征通常包括点密度的测量、矩、特征区域等。结构特征通常包括园、端点、交叉点、笔划、轮廓等。 手写数字识别的过程一般分为预处理、特征提取、数字串的分割、分类器等模块。原始图像是通过光电扫描仪、CCD 器件或电子传真机等获得的二维图像信号。预处理包括对原始图像的去噪、倾斜校正或各种滤波处理。手写数字串的分割是其中最重要的环节，是制约识别率的瓶颈所在。 本文针对手写数字识别选用 BP 神经网络这种基于传统统计学基础上的分类方法，用于分割和识别，并取得了较好的识别效果。手写体数字识别技术主要包括以下几点：1）图像预处理，包括彩色图像转成灰度图像、二值化，归一化，滤除干扰噪声等;2）基于数字图像的特征选择和提取;3）数字串的分割;4）模式分类识别。其中，第二和第四部分是手写数字识别的重点，直接关系到识别的准确率和效率。 手写数字识别技术的研究和应用是非常重要的， HANDWRITTEN DIGIT RECOGNITION METHOD BASED ON BP NEURAL NETWORKS 等方法能够提高识别率和效率， HANDWRITTEN DIGIT RECOGNITION METHOD BASED ON BP NEURAL NETWORKS 等方法能够提高识别率和效率。