基于图像处理技术的答题卡智能识别研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究的目的与意义 | 第10-12页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10-12页 |
| 1.3 国内外相关研究 | 第12-13页 |
| 1.4 文章章节安排 | 第13-14页 |
| 第二章 答题卡图像处理基础 | 第14-28页 |
| 2.1 答题卡的应用类型、结构与问题 | 第14-17页 |
| 2.1.1 答题卡的应用类型 | 第14-15页 |
| 2.1.2 答题卡构成 | 第15-16页 |
| 2.1.3 答题卡智能识别需要解决的问题与分析 | 第16-17页 |
| 2.2 图像的识别过程 | 第17-18页 |
| 2.3 答题卡识别过程中的两个重要流程 | 第18-19页 |
| 2.4 图像的灰度化 | 第19-21页 |
| 2.5 图像去噪 | 第21-23页 |
| 2.6 图像的二值化 | 第23-25页 |
| 2.7 图像的膨胀与腐蚀 | 第25-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 答题图像的分割与矫正 | 第28-45页 |
| 3.1 答题卡的客观题分割定位方法 | 第28-31页 |
| 3.1.1 答题卡图像的分割 | 第28-29页 |
| 3.1.2 图像的投影 | 第29-31页 |
| 3.2 基于Hough变换答题卡图像的矫正 | 第31-38页 |
| 3.2.1 图像的几何变换 | 第31-33页 |
| 3.2.2 直线的检测 | 第33-35页 |
| 3.2.3 傅里叶变换基本原理 | 第35-38页 |
| 3.3 答题卡图像变形矫正 | 第38-44页 |
| 3.3.1 边缘检测 | 第38-41页 |
| 3.3.2 仿射变换 | 第41-42页 |
| 3.3.3 透射变换 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 答题卡识别 | 第45-60页 |
| 4.1 像素统计识别方法 | 第45-46页 |
| 4.2 基于字符模板匹配方法的答题卡识别 | 第46-51页 |
| 4.2.1 答题卡字符识别算法 | 第46页 |
| 4.2.2 制作数字模板 | 第46-47页 |
| 4.2.3 对答题卡前后对比的客观题结果的识别 | 第47-49页 |
| 4.2.4 智能识别实验结果与分析 | 第49-51页 |
| 4.3 手写考号的识别方法 | 第51-59页 |
| 4.3.1 手写数字识别方法 | 第51-53页 |
| 4.3.2 卷积神经网络概述 | 第53-54页 |
| 4.3.3 卷积神经网络LeNet-5 | 第54-55页 |
| 4.3.4 数据集MNIST | 第55-56页 |
| 4.3.5 手写数字训练与识别 | 第56-57页 |
| 4.3.6 答题卡手写考号识别 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 系统的设计与功能实现 | 第60-72页 |
| 5.1 系统的需求分析与总体设计 | 第60-65页 |
| 5.1.1 软件需求分析 | 第60页 |
| 5.1.2 答题卡与实体间关系 | 第60-62页 |
| 5.1.3 答题卡识别系统架构 | 第62页 |
| 5.1.4 系统开发环境 | 第62-63页 |
| 5.1.5 系统体系结构设计 | 第63-64页 |
| 5.1.6 答题卡识别端的模式 | 第64-65页 |
| 5.1.7 答题卡识别web端的模式 | 第65页 |
| 5.2 系统功能实现 | 第65-71页 |
| 5.2.1 答题卡块识别 | 第65-66页 |
| 5.2.2 答题卡制作 | 第66-67页 |
| 5.2.3 答题卡模块制作 | 第67-68页 |
| 5.2.4 答题卡识别 | 第68-69页 |
| 5.2.5 答题卡模板制作 | 第69-70页 |
| 5.2.6 远程阅卷 | 第70-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第79页 |
