基于机器视觉的压印字符识别系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 本课题研究背景和意义 | 第13-14页 |
| 1.2 压印字符的研究现状及难点 | 第14-16页 |
| 1.2.1 国内外研究现状 | 第14-15页 |
| 1.2.2 轮胎压印字符识别的难点 | 第15-16页 |
| 1.3 论文的研究内容和结构 | 第16-18页 |
| 第二章 压印字符识别系统的硬件设计 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 系统结构及硬件选择 | 第18-24页 |
| 2.2.1 机器视觉系统基本结构 | 第18-19页 |
| 2.2.2 工业相机 | 第19-22页 |
| 2.2.3 镜头 | 第22-23页 |
| 2.2.4 光源 | 第23-24页 |
| 2.3 系统照明方案 | 第24-28页 |
| 2.3.1 照明方式分类 | 第24-27页 |
| 2.3.2 适用于压印字符的照明方式 | 第27-28页 |
| 2.4 实验及分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 压印字符定位及分割技术研究 | 第31-50页 |
| 3.1 引言 | 第31页 |
| 3.2 模板匹配算法 | 第31-35页 |
| 3.2.1 基于灰度的模板匹配方法 | 第31-34页 |
| 3.2.2 基于几何特征的模板匹配方法 | 第34-35页 |
| 3.3 基于NCC的压印字符定位方法 | 第35-39页 |
| 3.3.1 轮胎压印字符的特点 | 第35-36页 |
| 3.3.2 根据匹配模板位置推算ROI | 第36页 |
| 3.3.3 环形区域到矩形区域的变换 | 第36-38页 |
| 3.3.4 实验研究 | 第38-39页 |
| 3.4 基于边缘检测的字符分割算法 | 第39-48页 |
| 3.4.1 经典的图像分割算法 | 第39-43页 |
| 3.4.2 基于边缘检测的单个字符分割 | 第43-47页 |
| 3.4.3 实验验证 | 第47-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 基于支持向量机的压印字符识别 | 第50-68页 |
| 4.1 引言 | 第50页 |
| 4.2 支持向量机原理 | 第50-53页 |
| 4.2.1 统计学习理论 | 第50-52页 |
| 4.2.2 支持向量机理论 | 第52-53页 |
| 4.3 支持向量机分类算法 | 第53-57页 |
| 4.3.1 线性可分情况 | 第53-54页 |
| 4.3.2 线性不可分情况 | 第54-55页 |
| 4.3.3 核函数 | 第55-57页 |
| 4.4 支持向量机变形算法 | 第57-58页 |
| 4.4.1 广义支持向量机 | 第57页 |
| 4.4.2 最小二乘支持向量机 | 第57-58页 |
| 4.4.3 模糊支持向量机 | 第58页 |
| 4.5 基于最小二乘支持向量机的压印字符识别 | 第58-67页 |
| 4.5.1 待识别字符样品图 | 第58-61页 |
| 4.5.2 核函数选择 | 第61-62页 |
| 4.5.3 字符特征分类 | 第62-63页 |
| 4.5.4 训练样本 | 第63-65页 |
| 4.5.5 实验结果 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 压印字符识别系统的软件设计 | 第68-75页 |
| 5.1 引言 | 第68页 |
| 5.2 软件设计 | 第68-74页 |
| 5.2.1 程序框架 | 第68-70页 |
| 5.2.2 检测界面 | 第70-72页 |
| 5.2.3 实验验证 | 第72-74页 |
| 5.3 本章小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间学术成果 | 第80-82页 |
| 致谢 | 第82页 |
