Год сдачи: 2014 Информация о файлах в архиве: Осн_часть.doc - Курсовая И исходники проекта на Delphi, распознавание текста в рисунках Краткое описание курсового проекта В рамках курсовой работы была написана программа частично реализующая основные блоки автоматического распознавания букв. Заключение Переходя к программе разработанной в ходе выполнения курсовой работы необходимо отметить, что хотя в ней и не применяются системы искусственного интеллекта (перцептроны и нейросети), а используется довольно простой метод сравнения с эталонными символами, алгоритм дает приемлемый результат на заранее известном наборе эталонов. Применение этого метода уместно в тех случаях, когда необходимо распознавать большие объемы текстов напечатанных одним шрифтом в едином размере. При таких условиях результаты распознавания могут конкурировать с методами основанными на использовании нейросетей и не уступать им по скорости распознавания. При всём этом метод сравнения с эталоном гораздо проще других алгоритмов, использует простой математический аппарат. Однако небольшие отклонения входных данных от эталонных значений приводят к резкому падению качества распознавания. Содержание курсовой работы ВВЕДЕНИЕ 3 1. ТИПОВЫЕ ПРОБЛЕМЫ, СВЯЗАННЫЕ С РАСПОЗНАВАНИЕМ СИМВОЛОВ 5 2. СТРУКТУРА СИСТЕМ ОПТИЧЕСКОГО РАСПОЗНАВАНИЯ ТЕКСТОВ. 6 3. МЕТОДЫ ПРЕДОБРАБОТКИ ИЗОБРАЖЕНИЙ ТЕКСТОВЫХ СИМВОЛОВ. 7 4. ПРИЗНАКИ СИМВОЛОВ, ИСПОЛЬЗУЕМЫЕ ДЛЯ АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ 9 4.1. Корреляция и сопоставление шаблонов. 9 4.2. Статистические распределения точек. 9 4.3. Интегральные преобразования. 10 4.4. Структурный анализ. 10 5. КЛАССИФИКАЦИЯ СИМВОЛОВ 12 5.1. Сравнение с эталоном 12 5.2. Нейросетевые структуры 13 6. ПОСТОБРАБОТКА РЕЗУЛЬТАТОВ РАСПОЗНАВАНИЯ. 15 7. РЕАЛИЗАЦИЯ АЛГОРИТМА РАСПОЗНАВАНИЯ БУКВ 16 8. ТЕСТИРОВАНИЕ ПРОГРАММЫ 17 9. АНАЛИЗ АЛГОРИТМОВ ОПТИЧЕСКОГО РАСПОЗНАВАНИЯ СИМВОЛОВ 18 10. ОБЗОР СУЩЕСТВУЮЩИХ СИСТЕМ ОПТИЧЕСКОГО РАСПОЗНАВАНИЯ СИМВОЛОВ 20 ЗАКЛЮЧЕНИЕ 31 СПИСОК ЛИТЕРАТУРЫ 32 ПРИЛОЖЕНИЕ А ИСХОДНЫЙ ТЕКСТ ПРОГРАММЫ 33 ПРИЛОЖЕНИЕ Б НЕЙРОННЫЕ СЕТИ 39 1. ВВЕДЕНИЕ В НЕЙРОННЫЕ СЕТИ 39 2. ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ 40 2.1 Формальный нейрон 40 2.2 Виды функций активации 40 2.3 Ограничения модели нейрона 43 2. МНОГОСЛОЙНЫЙ ПЕРЦЕПТРОН 44 2.2 Формализация задачи распознавания букв алфавита 46 2.3 Выбор количества нейронов и слоев 47 3. АЛГОРИТМЫ ОБУЧЕНИЯ 48 3.1 Алгоритм обратного распространения 48 3.2 Алгоритмы обучения без учителя 50 3.2.1 Алгоритм обучения Хебба 51 3.2.2 Алгоритм обучения Кохонена 51 4. НЕЙРОННЫЕ СЕТИ ХОПФИЛДА И ХЭММИНГА 54 Программа распознавания текста в картинках, сделана на Делфи |