logo资料库

手写体数字识别论文.doc

发布时间：2022-05-29 发布人：admin 分类：说明书 资料大小：0.87M 资料格式：doc 举报 版权申诉
第1页 / 共37页
第2页 / 共37页
第3页 / 共37页
第4页 / 共37页
第5页 / 共37页
第6页 / 共37页
第7页 / 共37页
第8页 / 共37页
资料共37页，剩余部分请下载后查看
    PINGDINGSHAN UNIVERSITY
    1 绪论
    1.1 字符识别概述
    1.2 手写数字识别的意义和应用前景
    1.3 手写数字识别的难点
    1.4 基于C/S远程手写体数字识别系统概述
    2 预处理
    2.1 中值滤波
    2.2 二值化
    3 手写体数字识别中串分割技术
    3.1 分割技术方法概述
    3.2 手写数字串分割常用方法简介
    3.2.1 投影法
    3.2.2 动态规划算法
    3.2.3 滴水算法
    3.2.4 滑动窗口法
    3.3 本文手写数字串分割方法介绍
    4 特征提取
    4.1 特征提取概述
    4.2本文手写数字特征提取方法
    5训练过程
    5.1训练样本概述
    5.2训练过程描述
    6数字的识别
    6.1模式相似性测度的概述
    6.2相关的识别算法
    6.2.1 支持向量机算法
    6.2.2 神经网络算法
    6.3本文的模板匹配算法
    7 系统实现与结果分析
    7.1 系统实现
    7.1.1 系统实现环境
    7.1.2 系统处理过程
    7.2 识别结果分析
    8 总结
    附 录
    参考文献
    致谢
    PINGDINGSHAN UNIVERSITY 毕业论文(设计) 题 目: 基于 C/S 模式的远程手写体数 字识别系统开发-图像识别 院 ( 系 ): 软件学院 专业年级: 姓 名: 学 号: 指导教师: 软件工程 2007 级 蒋营营 071530211 马 飞 讲师 2011 年 2 月 13 日
    原 创 性 声 明 本人郑重声明：本人所呈交的毕业论文，是在指导老师的指导下独立进行研 究所取得的成果。毕业论文中凡引用他人已经发表或未发表的成果、数据、观点 等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或 集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集 体，均已在文中以明确方式标明。 本声明的法律责任由本人承担。 论文作者签名： 日 期：
    关于毕业论文使用授权的声明 本人在指导老师指导下所完成的论文及相关的资料(包括图纸、试验记录、原始 数据、实物照片、图片、录音带、设计手稿等) ，知识产权归属平顶山学院。本人完 全了解平顶山学院有关保存、使用毕业论文的规定，同意学校保存或向国家有关部门 或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权平顶山学院可 以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段 保存和汇编本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单 位为平顶山学院。本人离校后使用毕业论文或与该论文直接相关的学术论文或成果 时，第一署名单位仍然为平顶山学院。 论文作者签名： 指导老师签名： 日 期： 日 期：
    基于 C/S 模式的远程手写体数字识别系统开发 摘要 手写体数字识别是一种利用计算机自动辨认出手写体阿拉伯数字 0—9 的技术， 是基于光学字符识别领域的一个应用方向。手写体数字识别有着很高的实用价值，除 此之外，手写体数字识别还具有全世界通用的符号、识别种类较少、有助于作深入分 析等特点，因此人们在手写体数字识别领域投入了极大的关注。 本文研究的工作主要集中在图像预处理、图像的特征提取、训练和图像识别，并 实现一个完整的基于 C/S 模式的远程手写体数字识别系统—服务器端子系统的开发。 本文采用最小距离匹配的识别方法，实验结果表明本文设计的数字识别系统对手 写体数字识别具有较高的识别率。 关键词：手写体数字识别，二值化，区域分割，网格法特征提取，模板匹配
    The System Design of Remote Handwritten Numeral Recognition Based On C/S Abstract The handwritten numeral recognition is a technology, which auto recognizes the handwriting Arabian numeral via computers, and a applied orientation in the Optical Character Recognition technology. The handwritten numeral recognition has a high practical value, in addition, the handwritten numeral recognition also has the world's universal symbols, the characteristics, so people in the field of handwritten numeral recognition invested a great deal of attention. identify types of small, contribute to in-depth analysis of This study is mainly concentrated in the image preprocessing, image feature extraction , training and image recognition, and to achieve a complete based on C/S mode long-range digital handwriting recognition system-server system. This paper adopts minimum distance matching method of identification, experimental identification system designed for handwritten numeral the digital result shows that recognition has a high recognition rate. Keywords: Handwritten numeral recognition, Binarization, Zone division, Mesh method of feature extraction ,Template matching
    目录 1 绪论................................................................................................................................... 1 1.1 字符识别概述..........................................................................................................1 1.2 手写数字识别的意义和应用前景..........................................................................2 1.3 手写数字识别的难点..............................................................................................2 1.4 基于 C/S 远程手写体数字识别系统概述..............................................................3 2 预处理................................................................................................................................. 5 2.1 中值滤波..................................................................................................................5 2.2 二值化......................................................................................................................6 3 手写体数字识别中串分割技术......................................................................................... 8 3.1 分割技术方法概述..................................................................................................8 3.2 手写数字串分割常用方法简介..............................................................................8 3.2.1 投影法............................................................................................................. 8 3.2.2 动态规划算法................................................................................................. 9 3.2.3 滴水算法......................................................................................................... 9 3.2.4 滑动窗口法..................................................................................................... 9 3.3 本文手写数字串分割方法介绍................................................................................9 4 特征提取........................................................................................................................... 11 4 特征提取........................................................................................................................... 11 4.1 特征提取概述..........................................................................................................11 4.2 本文手写数字特征提取方法...................................................................................11 5 训练过程............................................................................................................................ 13 5.1 训练样本概述...........................................................................................................13 5.2 训练过程描述...........................................................................................................13 6 数字的识别........................................................................................................................ 15 6.1 模式相似性测度的概述...........................................................................................15 6.2 相关的识别算法.......................................................................................................15 6.2.1 支持向量机算法........................................................................................... 15 6.2.2 神经网络算法............................................................................................... 15
    6.3 本文的模板匹配算法...............................................................................................16 7 系统实现与结果分析....................................................................................................... 19 7.1 系统实现..................................................................................................................19 7.1.1 系统实现环境............................................................................................... 19 7.1.2 系统处理过程............................................................................................... 19 7.2 识别结果分析..........................................................................................................20 8 总结................................................................................................................................... 22 附 录..................................................................................................................................... 23 参考文献............................................................................................................................... 28 致谢......................................................................................................................................... 1
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料