铁水罐号自动识别系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·铁水罐号自动识别系统的应用研究现状 | 第9-10页 |
| ·铁水罐号自动识别系统简介 | 第10-13页 |
| ·系统的硬件设计方案 | 第11页 |
| ·系统的软件设计方案 | 第11-13页 |
| ·铁水罐号自动识别系统的研究意义 | 第13-14页 |
| ·论文内容安排 | 第14-15页 |
| 第二章 铁水罐号自动识别相关技术的发展 | 第15-23页 |
| ·目标物定位技术 | 第15-18页 |
| ·图像预处理 | 第15-17页 |
| ·图像分割 | 第17-18页 |
| ·字符切分技术 | 第18-19页 |
| ·字符识别技术 | 第19-23页 |
| ·统计决策识别 | 第20页 |
| ·句法结构识别 | 第20-21页 |
| ·人工神经网络 | 第21-23页 |
| 第三章 铁水罐的定位 | 第23-38页 |
| ·图像预处理 | 第23-33页 |
| ·图像代数运算与差影法 | 第23-26页 |
| ·改进的差影法与铁水罐轮廓的提取 | 第26-27页 |
| ·最小误差阈值法 | 第27-29页 |
| ·基于数学形态学的去干扰技术 | 第29-33页 |
| ·数学形态学的定义 | 第29页 |
| ·数学形态学中基本符号和术语 | 第29-30页 |
| ·数学形态学的基本运算 | 第30-32页 |
| ·形态学去干扰 | 第32-33页 |
| ·基于投影信息的铁水罐位置搜索 | 第33-36页 |
| ·铁水罐水平位置的搜索 | 第34-35页 |
| ·铁水罐垂直位置的搜索 | 第35-36页 |
| ·铁水罐定位算法流程 | 第36页 |
| ·铁水罐定位的试验结果与结论 | 第36-38页 |
| 第四章 罐号字符区域的定位 | 第38-48页 |
| ·字符区定位的综述 | 第38-40页 |
| ·基于罐号区域特征信息的行扫描法 | 第40-45页 |
| ·图像预处理 | 第40-43页 |
| ·中值滤波 | 第40-41页 |
| ·改进的灰度直方图阈值法 | 第41-43页 |
| ·罐号区域搜索 | 第43-45页 |
| ·罐号区域验证 | 第45页 |
| ·罐号字符区域定位算法流程图 | 第45页 |
| ·罐号字符区域定位的试验结果与结论 | 第45-48页 |
| 第五章 罐号字符的切分 | 第48-59页 |
| ·罐号区域二值化 | 第48-50页 |
| ·区域标记、合并和筛选 | 第50-52页 |
| ·倾斜校正 | 第52-56页 |
| ·倾斜的类型及其原因 | 第52-53页 |
| ·水平倾角的获取 | 第53页 |
| ·水平倾斜的校正 | 第53-54页 |
| ·垂直倾角的获取 | 第54-55页 |
| ·垂直倾斜的校正 | 第55-56页 |
| ·字符的切分 | 第56-57页 |
| ·垂直切分 | 第56-57页 |
| ·水平切分 | 第57页 |
| ·罐号字符切分的试验结果 | 第57-59页 |
| 第六章 罐号字符的识别 | 第59-76页 |
| ·预处理 | 第60-61页 |
| ·区域筛选 | 第60页 |
| ·大小归一化 | 第60-61页 |
| ·字母识别 | 第61-63页 |
| ·特征的选择和提取 | 第61-62页 |
| ·识别 | 第62-63页 |
| ·数字识别 | 第63-75页 |
| ·人工神经网络 | 第63-71页 |
| ·人工神经网络的基本概念 | 第63-65页 |
| ·神经网络的学习 | 第65-67页 |
| ·神经网络的特点 | 第67页 |
| ·BP 神经网络模型 | 第67-71页 |
| ·特征的选择和提取 | 第71页 |
| ·网络设计 | 第71-73页 |
| ·网络训练 | 第73-74页 |
| ·网络识别 | 第74-75页 |
| ·数字识别的试验结果 | 第75页 |
| ·系统整体识别的试验结果 | 第75-76页 |
| 第七章 总结与展望 | 第76-78页 |
| ·本文总结 | 第76-77页 |
| ·未来研究与展望 | 第77-78页 |
| 参考文献 | 第78-80页 |
| 致谢 | 第80-81页 |
| 个人简历、在学期间的研究成果及发表论文 | 第81页 |
