文档介绍：独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在_____年解密后适用本授权书。本论文属于不保密□学位论文作者签名:指导教师签名:日期:年月日日期:年月日万方数据华中科技大学硕士学位论文I摘要文字识别在人们日常生活中应用广泛,目前已有许多种方法能够实现对文字的识别,但对于手写体文字以及大字符集的文字,识别率依然不够高,而神经网络是近年来模拟人工智能的有力工具,有较强的模式识别能力,如何通过神经网络进行文字识别成为一个十分重要的科研领域。BP神经网络是一种典型的模式识别方法,它能够将给定的输入输出数据对中的映射关系经过训练学****得到,对于没有学****过的数据依然能够做出非常不错的预测,这些性能使得它在模式识别及结果预测等领域的应用极为广泛。卷积神经网络相比BP神经网络,网络结构更为复杂,它拥有更多的网络层数,但由于其自身的稀疏连接性及权值共享等特点,它的训练学****难度并未增加太多,而识别能力却大为提高,它的并行连接方式使得它尤其适用于图像识别。本文通过编程的方式实现了这两种神经网络,并将其应用于文字识别过程,对神经网络的训练方法提出了改进方案。文字识别的实现是以图片为介质的,对文字图片处理的好坏直接影响到识别能否成功。本文在图片处理中,对图片进行了噪声的消除、图片色彩通道的归一化以及将图片中的文字定位、对其尺寸进行调整,经过预处理后的图片才能作为神经网络的训练样本集,对于BP神经网络,还需要从文字图片中提取特征参数,本文采用了文字复杂指数及几何不变矩作为文字特征,并对这种特征参数的提取方法做了改进。本文详细介绍了BP神经网络及卷积神经网络的网络结构和计算推导过程,在此基础上,利用这两种网络对小写英文字母及小字符集汉字的手写体及印刷体文字进行识别,通过对这两种网络识别结果的分析,指出了它们各自的优缺点,最后将卷积网络与Adobe Acrobat中OCR功能的文字识别率做了对比,证明了卷积神经网络相比BP神经网络及已有OCR技术在文字识别上更具优越性。关键词:人工智能文字识别BP神经网络卷积神经网络图片处理万方数据华中科技大学硕士学位论文IIAbstractCharacter recognitionhas been applied widelyfor many aspects in our daily life, many systems and classification algorithmsthat canbe able toachieve the recognition ofthe texthave been proposed. But the recognition rateof handwritten charactersand thelarge character setoftextis stillnot high enough. Inrecent years,the ea powerful tool to simulate the artificial intelligence,and it shows a strong capability in the field of pattern recognition. So, how to conduct research in the fieldof character recognition with the esvery neural network is a typical method of pattern recognition formapping the relationship ofgiven input and output datapairs, and the relationship can beobtained through training/learningprocesses,nay more, BP neural networkis still able to make very go