1、本文研究和實(shí)現(xiàn)了對(duì)圖片中的印刷體大小寫(xiě)英文字母和數(shù)字的自動(dòng)識(shí)別。 在系統(tǒng)的設(shè)計(jì)中，本文引入了神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)，提出了一套基于BP神經(jīng)網(wǎng)絡(luò)的字符識(shí)別系統(tǒng)的設(shè)計(jì)方案。本文把整個(gè)系統(tǒng)分成了三個(gè)主要模塊（預(yù)處理、特征提取和初分類以及基于BP網(wǎng)絡(luò)的字符分類器）進(jìn)行詳細(xì)的闡述。 為了提高系統(tǒng)的性能，盡可能的降低誤識(shí)率和拒識(shí)率，本文仔細(xì)分析了在三個(gè)模塊的設(shè)計(jì)過(guò)程中遇到的重點(diǎn)和難點(diǎn)問(wèn)題，分別提出了下面的解決方案： 1．在預(yù)處

2、理模塊的設(shè)計(jì)中，本文結(jié)合了多種圖像處理技術(shù)，提出了包括去除離散雜點(diǎn)噪聲、傾斜調(diào)整和字符分割算法在內(nèi)的一系列預(yù)處理算法，取得了不錯(cuò)的效果，為下面對(duì)字符特征提取打下了堅(jiān)實(shí)的基礎(chǔ)。 2．字符的特征提取是系統(tǒng)設(shè)計(jì)的重點(diǎn)和難點(diǎn)，關(guān)系到整個(gè)設(shè)計(jì)方案的成敗。本文在比較研究了幾種常用的特征提取方法后，提出了一種基于字符骨架中封閉曲線特征和縱向線條特征的兩級(jí)初分類算法，將原來(lái)含有62個(gè)元素的待識(shí)別字符集比較平均的分成了三個(gè)子集，降低了后續(xù)處理的難

3、度。在特征提取方面，本文提出了一種結(jié)合字符粗網(wǎng)格特征和規(guī)一化投影特征的混合提取算法，很好的兼顧了字符總體特征和局部特征，并利用規(guī)一化體現(xiàn)出大小寫(xiě)英文字母在個(gè)體大小上的差異，為分辨大小寫(xiě)英文字母中形似字符提供了依據(jù)。 3．在基于BP網(wǎng)絡(luò)的字符分類器的設(shè)計(jì)過(guò)程中，本文參考了前人的研究成果，認(rèn)真研究了包括網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)，參數(shù)設(shè)計(jì)，網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)識(shí)別在內(nèi)的BP網(wǎng)絡(luò)設(shè)計(jì)上的關(guān)鍵性問(wèn)題，給出了一套優(yōu)化BP網(wǎng)絡(luò)性能網(wǎng)絡(luò)設(shè)計(jì)方案，并在最后的試驗(yàn)中