基于

VC++的数字识别系统的设计与实现

间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获
得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小
波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有

效的应用。

2、图像编码压缩。图像编码压缩技术可减少描述图像的数据量（即比特数），

以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提
下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图

像处理技术中是发展最早且比较成熟的技术。

3、图像增强和复原。图像增强和复原的目的是为了提高图像的质量，如去除噪

声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的
部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；强化低频分量可
减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据

“

”

降质过程建立降质模型，再采用某种滤波方法，恢复或重建原来的图像。

4、意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是

进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割
的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还

在不断深入之中，是目前图像处理中研究的热点之一。

5、图像描述。图像描述是图像识别和理解的必要前提。作为最简单的二值图像可

采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边
界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图
像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面

描述、广义圆柱体描述等方法。

6、图像分类（识别）。图像分类（识别）属于模式识别的范畴，其主要内容是

图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行
判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模
式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中
也越来越受到重视。

在数字识别中分类识别之前要利用数字图象处理和计算机图形学的知识进行图

象的预处理以便进行下面的特征提取以及识别。图象的预处理包括二值化、图象的增
强、图象的锐化以及图象的分割等。

1.4 本论文所做的工作

本论文在数字识别及预处理方面做了如下工作

1、介绍了数字识别广阔的应用前景和常用的识别方法，通过分析指出数字识别

的难点在于无法建立精确的数学模型和做出简单可行的识别系统。

2、本文第二、三章介绍了人工神经元网络基本原理和它的BP学习算法，然后论

述了模式识别的方法和有关概念，指出了神经网络之所以能够用于数字识别的内在
机理和独特优势。

3、第四章分析了常规数字识别的基本步骤，并指出数字识别的关键步骤是预处

理和特征提取。详细了图像预处理的步骤及

BP神经网络在数字识别中的应用。