基于OpenCV的数字识别技术的研究与实现开题报告

1. 研究目的与意义

数字识别技术是图像处理技术和模式识别技术研究的重要课题，随着国家信息化进程的加速，数字识别的应用需求将越来越广泛。

目前，数字识别的关键与瓶颈仍然在于识别的核心算法性能上，最终目标是研究零误识率和低拒识率的高速识别算法。

数字识别在特定的环境下应用非常广泛，如表格中数字的识别、汽车牌照的数字自动识别和成绩单的识别等多个项目，以及邮政编码自动识别系统，税表和银行支票自动处理系统等，涉及到交通、银行、教育和邮政等多个领域。

2. 国内外研究现状分析

数字的识别，近年来，研究者们分别开发出基于结构特征的研究方法，基于统计特征的研究方法等诸多方法，取得了不少令人满意的成果。

研究基于统计特征的方法主要有模版匹配法，像素点统计分析法，全局变化及级数展开法等。

有学者提出了基于数字图像的空间、旋转、层次和结构特性的特征提取方法。

3. 研究的基本内容与计划

查阅数字识别算法的资料，包括手写数字及印刷体数字，找到目前使用比较有效且识别率高的算法。

利用opencv开源库的相关算法和工具设计一个数字识别的系统。

手写数字和印刷体数字的分类识别，以及 ,-,*,/,=的识别。

4. 研究创新点

有较高的运行效率，实现方式也相对简单；BP神经网络在训练时，能够通过学习自动提取输出、输出数据间的合理规则，并自适应的将学习内容记忆于网络的权值中，具有高度自学习和自适应的能力；具有一定的容错能力。