Информационный центр «Все Решено»->Готовые работы->Дипломная работа->Информационные системы и технологии->Диплом — «Компьютерная система распознавания цифро-буквенных изображений»

Диплом — «Компьютерная система распознавания цифро-буквенных изображений»

Вид работы: дипломная работа

Дисциплина: компьютерные системы

Тема: Компьютерная система распознавания цифро-буквенных изображений

(Комп'ютерна система розпізнавання цифро-буквених зображень)

Объем: 76 стр + программа

Год сдачи работы: 2011

Язык выполнения: русский

 

Содержание

Введение

1 Анализ известных методов распознавания образов

1.1 Общие принципы распознавания образов

1.2 Распознавание скелетних образов

1.3 Фонтанное преобразование

1.4 Адаптивное распознавание

2 Использование искусственных нейронных сетей для решения задачи распознавания автомобильных номеров

2.1 Классы искусственных нейронных сетей

2.1.1 Однослойные искусственные нейронные сети

2.1.2 Многослойные искусственные нейронные сети

2.1.3 Нейронные сети с обратным распространением ошибки

2.1.4 Нейронные сети Хебба

2.1.5 Нейронные сети Хопфилда

2.1.6 Нейронные сети Хэмминга

2.2 Алгоритмические построения распознавания образов с использованием искусственных нейронных сетей

2.2.1 Обучение искусственных нейронных сетей

2.2.2 Алгоритм секущих плоскостей

2.2.3 Метод обучения Уидроу-Хоффа

2.2.4 Нейросетевая самоорганизация

2.3 Персептрон как модель распознавания

2.3.1 Модель персептрона

2.3.2 Машина Гамба

2.3.3 Многослойные персептроны и обучение персептрона

3 Задача моделирования искусственной нейронной сети для распознавания автомобильных номеров

3.1 Постановка задачи построения программы для распознавания автомобильных номеров

3.2 Построение матрицы рецепторов букв и цифр

3.3 Алгоритм распознавания символов автомобильного номера

Выводы

Список литературы

Приложение А

Приложение Б

 

Введение 

Выпускная работа посвящена актуальному вопросу распознавания алфавитно-цифровых символов в изображении с целью перевода их в печатный текст. Распознавание широко используется для конвертации книг и документов в электронный вид, для автоматизации различных систем.

В результате оптического распознавания появляется возможность редактирования полученных текстов, их электронного перевода, преобразования в речь, автоматизации анализа информации.

Хотя первый патент на метод распознавания был зарегистрирован в 1929 году, проблемы распознавания текста по-прежнему являются предметом активных исследований.

Целью работы является разработка алгоритмов распознавания алфавитно-буквенной информации при анализе определенного класса изображений – номеров автомобилей, и создание компьютерной системы по автоматизации распознавания на основе распознавания образов с использованием искусственных нейронных сетей.

В работе решены задачи разработки и создания алгоритма распознавания алфавитно-цифровой информации, содержащейся в изображении, с использованием искусственных нейронных сетей; выбора адекватной модели для распознавания; создания программного комплекса для автоматизированного распознавания автомобильных номеров.

Работа состоит из введения, четырех частей и заключения.

В первой части работы приведен анализ современных методов распознавания образов и сформулирована цель исследования.

Вторая часть работы посвящена вопросу использования искусственных нейронных сетей в распознавании изображений, рассмотрены различные типы сетей, их особенностей и реализации «самообучаемости».

В третьей части рассмотрены вопросы построения алгоритма решения задачи распознавания на основе разделенной схемы искусственной нейронной сети без учителя и программно-аппаратной реализации системы распознавания автомобильных номеров на основе нейронной сети, проанализированы результаты реализации.

В четвертой части рассмотрены вопросы охраны труда при работе с ЭВМ.

В приложении А представлены разработанные шаблоны для некоторых символов, в приложении Б – руководство пользователя по работе с разработанной программой.

 

СПИСОК ЛИТЕРАТУРЫ

  1. Труды третьего международного симпозиума «Интеллектуальные системы», Псков, 1998.
  2. Кочладзе З.Ю., Оганезов А.Л. Использование двухслойной нейронной модели в процессах распознавания образов. Научно-технический журнал «Энергия» №4 (36) Тбилиси, 2005. стр. 78.
  3. Kimura T., Shima T. Synapse weight accuracy of analog neuro chip // Proceedings of International Joint Conference on Neural Networks. – Japan, Nagoya, October 25-29, 1993. –Vol.1. – P. 891-894.
  4. Rosenblatt F. 1962. Principles of Neurodinamics. New York: Spartan Books. (Русский перевод: Розенблатт Ф. Принципы нейродинамики. – М: Мир. – 1965.).
  5. Qrossberg S. 1969. Some networks that can learn, remember and reproduce any number of complicated space-time patterns. Journal of Mathematics and Mechanics, 19:53-91.
  6. Senashova Masha Yu., Gorban Alexander N., and Wunsch Donald, “Back-Propagation of Accuracy”// Proc. IEEE/INNS International Conference of Neural Networks, Houston, IEEE, 1997, pp.1998-2001.
  7. Смирнов И.В., Колов М.А. К вопросу об организации нейронных сетей, способных к обучению классификации событий. Тезисы докладов V Всесоюзной конференции по нейрокибернетике, РГУ Ростов на-Дону, 1973.
  8. Чигвиндзе О.Д., Чоговадзе Р.А. Выполнение групповой операции умножения в ассоциативном параллельном процессе с расширенными внутримодульными функциями, Труды Грузинского политехнического института, №8 (181), Тбилиси, 1975.Э. Хант. Искусственный интеллект, Москва, «Мир», 1978.
  9. Сотник С. Л, Конспект лекций по курсу "Основы проектирования систем искусственного интеллекта", М.:МГУ, 1998, 234с.

10. Stornetta W. S., Huberman B. A. 1987. An improved three-layer, backpropagation algorithm. In Proceedings of the IEEE First International Conference on Neural Networks, eds. M. Caudill and C. Butler. San Diego, CA: SOS Printing.

11. Wasserman P. D. 1988a. Combined backpropagation/Cauchy machine. Proceedings of the International Neural Network Society. New York: Pergamon Press.

12. Pineda F. J. 1988. Generalization of backpropagation to recurrent and higher order networks. In Neural information processing systems, ed. Dana Z. Anderson, pp. 602-11. New York: American Institute of Physics.

13. Geman S., Geman D. 1984. Stohastic relaxation, Gibbs distribution and Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence 6:721-41.

14. Gallant S. I., 1988. Connectionist expert system. Communications of the ACM 31:152–69.

15. Hebb D. 0. 1961. Organization of behavior. New York: Science Edition.

16. Tank D. W., Horfield J. J. 1986. Simple «neural» optimization networks: An A/D converter, signal decision circuit, and a linear programming circuit. Circuits and Systems IEEE Transactions on CAS-33(5):533-41.

17. Sejnowski T. J., and Rosenberg C. R. 1987. Parallel Networks that learn to pronounce English text. Complex Systems 3:145–68.

18. Горбань А.Н. Обучение нейронных сетей. М:, “ПараГраф”, 1990 - 178с.

19. Цыганков В.Д. Нейрокомпьютер и его применение. М.:, СолСистем, 1993 – 351с.

20. Widrow В. 1961. The speed of adaptation in adaptive control system, paper *1933-61. American Rocket Society Guidance Control and Navigation Conference.

21. Kohonen T. 1984. Self-organization and associative memory. Series in Information Sciences, vol. 8. Berlin: Springer Verlag.

22. Werbos P. J. 1974. Beyond regression: New tools for prediction and analysis in the behavioral sciences. Masters thesis. Harvard University.

23. Волгин Л.И. Комплиментарная алгебра нейросетей. Таллин, АО KLTK, 1993 - 267с.

24. Burr D. J. 1987. Experiments with a connectionist text reader. In Proceedings of the IEEE First International Conferense on Neural Networks, eds. M. Caudill and C.Butler, vol. 4, pp. 717-24. San Diego, CA: SOS Printing. 67. Pineda F. J. 1988. Generalization

25. Psaltis D., Wagner K., Brady D. 1987 Learning in optical neural computers. In Proceedings of IEEE First International Conference on Neural Networks, M. Caudill and C. Butler. San Diego, CA:SOS Printing.

26. Jannson Т., Karagaleff C., Stoll K. M. 1986. Photo-refractive LiNbO3 as a storage medium for high-density optical neural networks. 1986 Optical Society of America Annual Meeting.

27. Дуда Р., Харт П. Распознавание образов и анализ сцен, Москва, «Мир», 1976.

28. Kosko B. (1987a). Bi-directional associative memories. IEEE Transactions on Systems, Man and Cybernetics 18(1):49-60.

29. Квиташвили А.А., Тхинвалели Р.Г., Канделаки М.К., Гелдиашвили Н.И. Однородная система распознавания трехмерных объектов и речевых сигналов, Материалы международной объединенной конференции по ИИ, Тбилиси, 1976.

30. Metropolis N., Rosenbluth A. W-.Rosenbluth M. N., Teller A. N., Teller E. 1953. Equations of state calculations by fast computing machines. Journal of Chemistry and Physics. 21:1087-91.

31. Горбань А.Н., Сенашова М.Ю. Погрешности в нейронных сетях// Вычислительный центр СО РАН в г.Красноярске. Красноярск, 1997. 38 с., библиогр. 8 назв. (Рукопись деп. в ВИНИТИ, 25.07.97, №2509-В97).

32. Венда В.Ф. Системы гибридного интеллекта. Москва, Машиностроение, 1990 - 203с.

Также советуем посмотреть другие готовые работы:
Эссе — «Совершенствование системы управления группой компаний «А» на базе ИТ-решений»
Курсовая — «Моделювання проектів із використанням системи управління проектами Spider Project»
Курсовая работа — «Сортування методом підрахунку, що розподіляє»

Заказать дипломную работу