摘要：随着信息时代科技的高速发展，人们对于电子产品自动化的需求日益增长，现实生活中手写数字的辨识在许多方面都要耗费大量的人力物力，所以人们开始研究能否利用一些机器来完成人工辨识手写数字的项目以此来减少经费的支出，因此本课题的现实研究意义重大。BP神经网络源于人工神经网络，属于其一个子分支，它不但具有快速的并行处理能力还拥有非线性特性，它的自学习、自组织、自适应能力，能够快速处理大量复杂数据，所以特别适用于模式识别，且能得到较好的识别效果。

本文主要研究了手写体数字识别系统设计中的关键技术，其中包括图像的预处理、提取图像的特征向量以及训练神经网络和手写数字的辨别等方面。通过对图像进行灰度化、二值化、归一化进行预处理；通过PCA特征提取技术去噪，减少无用信息；通过对BP神经网络的设计以及调整，对实验样本库的训练以及测试，最终实现了手写体数字识别的功能，最后我们对实验结果进行分析，讨论BP神经网络中各个参数对于识别性能的影响。

关键字：手写体数字识别；BP神经网络；图像特征提取；数据库

目录

摘要

Abstract

1绪论-1

1.1选题背景与意义-1

1.2国内外研究现状-1

1.3 本文主要研究内容-2

2神经网络--4

2.1 人工神经网络-4

2.1.1 人工神经元模型-4

2.1.2 神经网络的学习模式-5

2.2 BP神经网络-5

2.2.1 BP神经网络算法-5

2.2.2 BP神经网络基本结构-6

2.2.3 BP神经网络激励函数-6

2.2.4 BP神经网络的学习过程-7

2.3 本章小结-8

3手写体数字图像预处理 9

3.1 手写数字样本库说明-9

3.2 手写体数字图像预处理-9

3.2.1图像的灰度化处理的基本原理-9

3.2.2图像的二值化处理的基本原理-10

3.2.3图像的归一化处理的基本原理-11

3.3本章小结-12

4 BP神经网络算法训练以及识别 13

4.1系统设计-13

4.2 数字特征提取-14

4.2.1 PCA特征提取-14

4.2.2 PCA实现步骤-14

4.2.3 样本库的处理-15

4.3 BP神经网络的结构-17

4.4 BP神经网络的训练-19

4.5 本章小结-19

5系统的实现与结果分析20

结论-23

参 考 文 献-24

致谢-26