经过几十年的研究，人工神经网络目前已经广泛地用来解决模式识别和人工智能领域的一些复杂问题，并取得了以往传统算法无法获得的成功。光学字符识别(OCR)算法的研究属于模式识别领域的一个重要分支。很自然地，我们在光学字符识别算法设计中引入了人工神经网络。从上世纪70年代以来，光学字符识别技术逐渐走向成熟。对于印刷体字符的识别，目前已经有了很高的识别率；对于小规模的手写体字符识别，也已经走向实用。 相对于大规模字符识别(如汉字识别)系统，小规模字符识别系统实现难度相对较小，但在日常生活中却应用广泛。如阿拉伯数字识别系统，仅对10个阿拉伯数字和少量符号进行识别，可以广泛应用于邮政编码识别、汽车牌照识别，流水线上产品编号识别等领域。本课题选题的初衷，就是利用人工神经网络实现一套通用的小规模光学字符识别系统对邮政编码进行识别。 当前，由于半导体加工工艺的进步，微处理器的体积越来越小，速度越来越快。由这些微处理器组成的嵌入式系统，结构简单，成本低廉，被广泛应用于家电、工业控制等各个方面。正是出于生产成本和产品尺寸的考虑，本文的硬件模块将使用基于ARM系列微处理器的嵌入式系统取代传统的PC机。 本文的研究工作可以划分为硬件和软件两部分；所做工作、技术难点与技术创新如下： 1．研究ARM体系的嵌入式系统的设计。 a) 以Atmel公司的AT91RM9200处理器为核心，设计一套嵌入式系统。 b) 研究了高频电子印刷板的设计原理，并掌握了制作工艺。 c) 研究Linux操作系统代码，在嵌入式系统上移植了Linux操作系统。 2．实现基于人工神经网络的光学字符识别算法 a) 研究图像的获取、和预处理算法。 b) 研究K-L变换在字符特征抽取中的应用。 c) 利用美国邮政服务数据库，训练了BP网络的分类器。使用测试集，验证了我们的分类器对手写体数字的识别率为92％。 d) 研究了其他一些分类器，并同我们的人工神经网络分类器进行了性能比较。 本文所实现的光学字符识别系统，成本较低，体积较小。结构上具有一定的通用性，能够使用在各种图像处理、图像识别或监控应用中。今后，我们将进一步改进视频采集部分，提高视频图像的分辨率，将本文成果作为机器视觉系统产品进行市场推广。做论文期间，作者已在《计算机科学》上发表论文一篇。