| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 第一章 绪论 | 第6-13页 |
| ·引言 | 第6页 |
| ·字符识别发展历史及其研究现状 | 第6-8页 |
| ·手写数字识别研究的目的和意义 | 第8-9页 |
| ·研究难度 | 第9页 |
| ·手写数字识别的一般方法 | 第9-11页 |
| ·研究内容 | 第11-13页 |
| 第二章 图像预处理 | 第13-23页 |
| ·数字图像的读取 | 第13-14页 |
| ·手写体数字图像平滑滤波 | 第14-16页 |
| ·频域上的平滑算法 | 第14页 |
| ·实域上的平滑方法 | 第14-16页 |
| ·数字图像二值化 | 第16-18页 |
| ·阈值的确定方法 | 第17-18页 |
| ·整体阈值二值化 | 第18页 |
| ·数字图像归一化 | 第18-20页 |
| ·位置归一化 | 第19页 |
| ·大小归一化 | 第19-20页 |
| ·数字图像细化 | 第20-23页 |
| ·基本条件 | 第20页 |
| ·连接数N_C | 第20-21页 |
| ·保持连接性的条件 | 第21页 |
| ·去除1─像素条件 | 第21-22页 |
| ·横井法细线化 | 第22-23页 |
| 第三章 特征提取 | 第23-27页 |
| ·手写数字特征提取方法简介 | 第23-25页 |
| ·逐像素特征提取法 | 第24页 |
| ·骨架特征提取法 | 第24-25页 |
| ·垂直方向数据统计特征提取法 | 第25页 |
| ·13特征点提取法 | 第25页 |
| ·手写数字识别的特征选择 | 第25-27页 |
| ·特征选择原则及方法 | 第25-26页 |
| ·本研究的特征提取算法 | 第26-27页 |
| 第四章 神经网络概述 | 第27-46页 |
| ·人工神经网络简述 | 第27-33页 |
| ·基本原理 | 第29-30页 |
| ·BP神经元 | 第30-33页 |
| ·BP网络 | 第33-37页 |
| ·正向传播 | 第33页 |
| ·反向传播 | 第33-35页 |
| ·BP算法的改进 | 第35-37页 |
| ·本研究BP神经网络的设计 | 第37-41页 |
| ·确定BP网络的结构 | 第37-40页 |
| ·误差的选取 | 第40页 |
| ·算法改进 | 第40-41页 |
| ·神经网络分类器设计结果 | 第41-46页 |
| 第五章 基于BP神经网络的手写数字识别系统实现 | 第46-52页 |
| ·数字识别系统组成 | 第46-47页 |
| ·系统程序设计语言 | 第47页 |
| ·手写体数字识别系统各部分实现 | 第47-48页 |
| ·获得待识别手写体数字图片 | 第47页 |
| ·图像预处理和特征提取模块 | 第47页 |
| ·神经网络的训练和识别模块 | 第47-48页 |
| ·系统识别性能 | 第48-50页 |
| ·系统使用方法 | 第50-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录 1:攻读硕士研究生期间发表的论文目录、参加科研项目 | 第56页 |
| 附录 2:部分源程序 | 第56-59页 |