Распознавание образов

КУРСОВАЯ РАБОТА

по дисциплине «Нейронные сети»

на тему

Распознавание образов

Москва

Оглавление

1.Введение        2

2.Постановка задачи        3

3.Типовые проблемы, связанные с распознаванием символов        4

4.Структура систем оптического распознавания текстов        5

5.Классификация символов        6

5.1.Сравнение с эталоном        6

5.2.Нейросетевые структуры        8

5.2.1.Введение в нейронные сети        9

5.2.2.Искусственные нейронные сети        11

1) Формальный нейрон        11

2) Виды функций активации        11

3)Многослойный перцептрон        14

3) Алгоритм решения задач с помощью МСП        16

4) Формализация задачи распознавания букв алфавита        17

5) Алгоритмы обучения        18

6) Нейронные сети Хопфилда и Хэмминга        18

6. Реализация алгоритма распознавания букв        23

7.Выводы        24

8.Список литературы        25

1.Введение

Несмотря на то, что в настоящее время большинство документов составляется на компьютерах, задача создания полностью электронного документооборота ещё далека до полной реализации. Как правило, существующие системы охватывают деятельность отдельных организаций, а обмен данными между организациями осуществляется с помощью традиционных бумажных документов. Задача перевода информации с бумажных на электронные носители актуальна не только в рамках потребностей, возникающих в системах документооборота. Современные информационные технологии позволяют нам существенно упростить доступ к информационным ресурсам, накопленным человечеством, при условии, что они будут переведены в электронный вид. Наиболее простым и быстрым является сканирование документов с помощью сканеров. Результат работы является цифровое изображение документа – графический файл. Более предпочтительным, по сравнению с графическим, является текстовое представление информации. Этот вариант позволяет существенно сократить затраты на хранение и передачу информации, а также позволяет реализовать все возможные сценарии использования и анализа электронных документов. Поэтому наибольший интерес с практической точки зрения представляет именно перевод бумажных носителей в текстовый электронный документ. Именно поэтому тема моей курсовой работы - «Распознавание образов на основе алгоритма Хемминга». В данной работе будут рассмотрены типовые проблемы, связанные с распознаванием символов, структура систем оптического распознавания текстов, классификация символов (сравнение с эталоном, нейросетевые структуры), а также реализация алгоритма распознавания букв, тестирования программы, обзор существующих систем оптического распознавания символов.

2.Постановка задачи

• Реализовать алгоритм распознавания текста в среде разработки Delphi;
• Разработать пользовательский интерфейс, учитывающий загрузку картинки с текстом, обучение, а также смену шрифта (размер, курсив, подчеркивание, стиль и пр.);

3.Типовые проблемы, связанные с распознаванием символов

Существует ряд существенных проблем, связанных с распознаванием рукописных и печатных символов. Наиболее важные из них следующие:

• разнообразие форм начертания символов;
• искажения изображений;
• вариации размеров и масштаба символов.

Каждый отдельный символ может быть написан различными стандартными шрифтами, например (Gothic, Elite, Courier, Orator), специальными шрифтами, использующимися в системах OCR (оптическое распознавание символов), а также множеством нестандартных шрифтов. Кроме того, различные символы могут обладать сходными очертаниями. Например, 'U и 'V, 'S' и '5', 'Z' и '2', 'G' и '6 '. Искажения цифровых изображений символов могут быть следующих видов: