| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·手写体数字识别的概述 | 第10-11页 |
| ·手写体数字识别的国内外研究现状 | 第11-12页 |
| ·脱机手写体数字识别的常用方法 | 第12-15页 |
| ·脱机手写体数字识别的流程块 | 第13页 |
| ·数字识别的方法 | 第13-15页 |
| ·本文的研究内容及目的 | 第15-16页 |
| 2 手写体数字图像的预处理 | 第16-25页 |
| ·引言 | 第16-17页 |
| ·图像的增强 | 第17-19页 |
| ·图像的灰度化及变换 | 第17-18页 |
| ·图像的平滑滤波 | 第18-19页 |
| ·图像的二值化 | 第19-21页 |
| ·整体阈值二值化 | 第20-21页 |
| ·局部阈值二值化 | 第21页 |
| ·动态阈值二值化 | 第21页 |
| ·图像的细化 | 第21-23页 |
| ·图像的归一化 | 第23-24页 |
| ·位置的归一化 | 第23页 |
| ·大小的归一化 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 脱机手写体数字的特征的提取 | 第25-34页 |
| ·引言 | 第25页 |
| ·脱机手写体数字特征提取方法 | 第25-28页 |
| ·结构特征提取 | 第25-26页 |
| ·统计特征提取 | 第26-28页 |
| ·基于小波变换的特征提取 | 第28-33页 |
| ·小波分析的算法理论 | 第28-30页 |
| ·基于小波的特征提取 | 第30-33页 |
| ·小结 | 第33-34页 |
| 4 基于Hopfield脱机手写体数字识别 | 第34-45页 |
| ·引言 | 第34页 |
| ·Hopfield神经网络 | 第34-39页 |
| ·离散型Hopfield神经网络模型 | 第35-37页 |
| ·离散型Hopfield神经网络的算法 | 第37-39页 |
| ·离散型Hopfield神经网络模型的设计 | 第39-40页 |
| ·Hopfield神经网络的手写体数字识别系统的流程 | 第40-43页 |
| ·小结 | 第43-45页 |
| 5 实验仿真 | 第45-51页 |
| ·MATLAB介绍 | 第45页 |
| ·脱机手写体数字的预处理 | 第45-47页 |
| ·仿真结果数据 | 第47-49页 |
| ·仿真结果分析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第57页 |