基于图像处理技术的手写数字识别系统开题报告

1. 研究目的与意义

在大数据时代的背景下，我们生活中的诸多关系越来越倾向于用数字化表示，经济的发展，金融市场化的进程推动了票据业务的发展。小到手机号码、身份证号、银行卡号这些个人信息的采集，大到支票、发票、进账单等涉及经济关系的票据，都离不开对数据的识别和录入。当采集到大量的纸质信息后，对数字的识别就成了一个重要问题，数字识别的方法、速度以及识别结果的正确率是衡量系统是否优秀的关键。

在对数字的识别分类中，根据输入设备来分，可以分为联机识别和脱机识别。联机识别就是使用者在与计算机相连的设备上输入，使计算机获得输入者输入字符的笔画顺序、笔划的方向以及字符的形状从而进行识别，主要用于身份的认证；脱机识别是计算机识别已经成为文字的纸质信息。本次研究的目的是解决大批量票务数字的识别，无法满足联机识别的要求，所以进行脱机状态下的系统设计。

阿拉伯数字数字是世界通用语言，所以对阿拉伯数字进行识别具有通用性。但在日常生活中，我们对最后文字的输出格式往往有要求，比如在支票中我们要求结果为壹贰叁这些大写汉字或者某些用户需要实现英文的输出，所以在基于数字识别的基础上，根据日常生活中的需要，可以将结果转化为目标语言。

2. 研究内容和预期目标

手写数字系统的实现主要有三块内容：

1.预处理：对图像信息进行灰度化、二值化、细化、分割等预处理，转化为计算机所能接受的形式。

3. 国内外研究现状

查阅资料可得，手写体数字识别一直是多年以来的研究热点，而随着数据化的快速发展，对手写数字的精度和准确率有了更迫切的需求以及更高的要求。

从2013年发展以来，在研究过程中普遍使用的是光学字符识别、bp神经网络、支持向量机等相关方法，基于结构特征、统计特征或者神经网络等方式。

而近代以来随着科技的发展，对手写识别也获得了越来越多的成果 ，国外的有google 公司的 tensor flow 深度学习平台可以方便的构建神经网络进行手写识别。除 google 公司的 tensor flow 深度学习平台之外，由贾扬清博士创建的caffe 深度学习框架以及与 python编程语言深度结合的 py torch 深度学习框架也都是应用非常广泛的深度学习平台。国内百度公司的 paddle paddle（飞浆）、华为公司的 mind spore 等机器学习平台都是近年来推出的优秀智能深度学习框架，利用 paddle paddle（飞浆）和 mind spore 都可以对自己的计算问题进行建模学习，构建自己的智能深度学习系统。

4. 计划与进度安排

1.1月1日—1月7日，对样本数据进行采集

2.1月8日—1月14日，对算法预处理过程实现的算法进行选择

3.1月15日—2月5日，特征提取与识别算法选择，数据库搭建，系统设计

5. 参考文献

[1] 王爱丽,薛冬,吴海滨,王敏慧.基于条件生成对抗网络的手写数字识别[j].液晶与显示,2020,35(12):1284-1290.

[2] 李金广.tensorflow手写数字识别分析[j].中国科技信息,2020(22):55-56 14.

[3] 柳霄羽,蔡庭钰.基于cnn手写识别技术的智能作业批阅软件的设计与开发[j].信息与电脑(理论版),2020,32(18):99-101.