1. 研究目的与意义
计算机视觉与图像的处理已逐渐成为一门重要的学科领域，各种数字图像，也因为其含有研究目标的庞大信息而成为越来越重要的研究对象。图像识别的目标是用计算机自动完成某些信息的处理，用来代替人工去处理图像分类及识别的任务。
手写数字识别是图像识别学科的一个分支，是图像处理和模式识别领域研究的课题之一，因为其强大的实用性一直是多年来的研究热点。而由于手写体的随意性很大，比如笔画的粗细，字体的大小，倾斜的角度等都直接影响到了对数字的正确识别，所以手写体数字识别是一个具有挑战性的课题。手写体数字识别实用范围很广，在大规模数据统计和财务等应用领域中都有广阔的应用前景。
2. 研究内容和预期目标
研究内容为根据手写数字的图像特征，设计实现相应的算法以识别其具体分类，同时对算法进行测试并给出识别的正确率。此外需要在系统中包含能够展示图像和识别结果的图形界面。
拟解决的关键问题是如何导入识别的图片而后进行处理，再设计一种算法对已有的数据集进行分类训练，最后能够用其对识别对象进行识别并给出正确率。
写作提纲大体分为，先讨论识别对象的导入和处理，其次是对数据集的处理，再设计算法，最后对算法测试。
3. 国内外研究现状
手写数字识别在国内外一直是图像处理与模式识别的研究热点，包括联机与脱机的实现。从1988年到目前为止，国内外发表了很多关于minist手写数字识别的论文。运用的方法有很多，例如线性分类器，k临近算法knn，支持向量机svm，nn，卷积神经网络cnn，目前识别率最高的模型是cnn。
除了对手写数字的识别，还对各种各样的各国各民族文字，甚至是盲文和其他一些字符，都通过类似方法进行了手写识别系统的研究。
4. 计划与进度安排
本设计准备初步先定下用python进行编程设计，通过python的gui界面用canvas或是pyqt5设计画板，通过画板绘制数字当作识别对象来进行识别。
用numpy或pca进行图像处理。
用几种常用的机器学习算法比如knn，bp神经网络等进行设计并比较，其中可能会用到keras或者tensorflow。
5. 参考文献
[1]顾潘龙,史丽红.基于PCA及k-邻近算法的复杂环境数字手写体识别[J].电子技术,2018,47(10):38-42.
[2]黄一格,张炎生.基于BP神经网络的手写数字识别系统[J].机电工程技术,2020,49(01):108-110.
[3]王际凯. 基于神经网络的手写数字识别改进算法和系统研究[D].西安电子科技大学,2018.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
