基于CNN深度学习的手写数字识别系统开题报告

1. 研究目的与意义

手写识别是通过对手写字母的数据输入以及特征值读取，再通过一定的算法比对得出识别结果，能有效解决显示中因为个人手写特色不同而无法读入信息的问题。

此外，阿拉伯数字使用范围是全世界范围较广，对于人工手写数字识别技术的突破有利于将人工与智能进一步结合提高生产生活的效率也对各大领域的技术突破有一定的促进作用。

2. 研究内容和预期目标

研究主要通过手写数字的图片输入进行灰度处理等读取手写数字的特征值，接着利用数据库的数据结合一定的算法得到识别结果并输出。

其中主要问题为手写数字绘制问题、数字预处理问题、特征提取问题、特征提取问题、特征库的建立问题、数字识别问题等。

主要通过对手写数字的特征值提取数字描述在对提取的特征进行数字的算法处理得到最佳识别结果。

3. 国内外研究现状

在近几年国内外对手写数字识别系统的研究已经取得了进展，一些新的理论例如基于Hopfield 神经网络、基于小波技术、基于BP神经网络以及支持向量机的研究应用在建立手写数字识别系统平台,并且在多数数据库中取得了较好的测试结果。

对于识别处理效率与成功率问题，很多人已经开始采用新的算法来辅助得到更优秀的识别结果。

4. 计划与进度安排

1、先收集足够多的手写数字数据集并对其特征进行搜集输入，形成一定的数据集；

2、接着对于手写数字图片输入进行灰度处理和特征值检测提取数据等方法，读入数据并整合所有的标准数据的特征值数据库；

3、按照一定的算法将已经提取到的检测数据与实际标准数据进行比对，尝试找出相似度差别；

5. 参考文献

1、手写数字识别系统的设计与实现.新浪爱问共享资料

2、手写数字识别中图像预处理的研究.张猛

3、手写体数字识别技术的研究.柳回春