手写体数字识别系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 字符识别概述 | 第8页 |
| 1.2 研究背景和研究意义 | 第8-9页 |
| 1.3 手写体数字识别技术研究现状 | 第9页 |
| 1.4 手写体数字识别技术研究内容 | 第9-11页 |
| 1.5 手写体数字识别技术难点 | 第11页 |
| 1.6 本文章节安排 | 第11-12页 |
| 第2章 手写体数字图像处理 | 第12-26页 |
| 2.1 图像处理概述 | 第12页 |
| 2.2 图像点增强 | 第12-17页 |
| 2.2.1 几何变换 | 第13-15页 |
| 2.2.2 灰度变换 | 第15-17页 |
| 2.3 图像空域增强 | 第17-19页 |
| 2.4 图像形态学处理 | 第19-20页 |
| 2.5 常用的图像分割技术简介 | 第20-21页 |
| 2.5.1 图像分割技术概述 | 第20-21页 |
| 2.5.2 垂直投影分割 | 第21页 |
| 2.6 图像大小归一化 | 第21-24页 |
| 2.7 本章小结 | 第24-26页 |
| 第3章 手写体数字图像特征提取 | 第26-32页 |
| 3.1 手写体数字特征提取概述 | 第26-27页 |
| 3.2 结构特征提取方法 | 第27-29页 |
| 3.3 统计特征提取方法 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于BP神经网络的手写体数字识别 | 第32-44页 |
| 4.1 分类器概述 | 第32-33页 |
| 4.2 人工神经网络简述 | 第33-34页 |
| 4.2.1 神经网络的学习算法及规则 | 第33-34页 |
| 4.3 BP神经网络分类器设计 | 第34-43页 |
| 4.3.1 BP网络结构设计 | 第34-35页 |
| 4.3.2 BP网络关键问题 | 第35-37页 |
| 4.3.3 BP网络数学模型 | 第37-40页 |
| 4.3.4 BP神经网络训练过程 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 系统设计与实验分析 | 第44-64页 |
| 5.1 系统环境与系统设计 | 第44-47页 |
| 5.1.1 系统环境 | 第44页 |
| 5.1.2 系统体系结构 | 第44-45页 |
| 5.1.3 系统类图设计 | 第45-47页 |
| 5.2 算法设计 | 第47-53页 |
| 5.2.1 垂直投影算法设计 | 第47-49页 |
| 5.2.2 特征提取算法设计 | 第49-51页 |
| 5.2.3 BP神经网络算法设计 | 第51-53页 |
| 5.3 图像识别流程举例 | 第53-56页 |
| 5.4 BP神经网络分类器实验 | 第56-61页 |
| 5.4.1 神经网络训练器实验 | 第56-58页 |
| 5.4.2 神经网络分类器实验 | 第58-61页 |
| 5.5 本章小结 | 第61-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间所发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
