| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-25页 |
| 1.1 课题的研究背景及其意义 | 第12-15页 |
| 1.1.1 课题研究的背景 | 第12-14页 |
| 1.1.2 课题研究的难点和意义 | 第14-15页 |
| 1.2 国内外冠字号码识别研究现状 | 第15-21页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.2.3 冠字号码字符提取方法 | 第18-19页 |
| 1.2.4 冠字号码字符特征提取方法 | 第19-20页 |
| 1.2.5 冠字号码分类器设计 | 第20-21页 |
| 1.3 本文研究概述和创新点 | 第21-23页 |
| 1.4 本文的内容安排 | 第23-25页 |
| 2 基于字符笔画特征的冠字号码分割与提取 | 第25-47页 |
| 2.1 引言 | 第25-26页 |
| 2.2 冠字号码区域粗定位 | 第26-31页 |
| 2.2.1 纸币倾斜校正 | 第26-29页 |
| 2.2.2 人民币扫描朝向判断 | 第29-31页 |
| 2.3 基于字符笔画特征的冠字号码分割 | 第31-39页 |
| 2.3.1 基于字符笔画占空比的二值化方法 | 第31-33页 |
| 2.3.2 基于笔画宽度的二值化方法 | 第33-34页 |
| 2.3.3 基于块间对比度的二值化方法 | 第34-36页 |
| 2.3.4 基于多字符笔画信息融合的二值化方法 | 第36页 |
| 2.3.5 二值化后处理算法研究 | 第36-39页 |
| 2.4 基于局部对比度的字符提取算法 | 第39-41页 |
| 2.4.1 基于一阶矩的字符水平方向定位 | 第39-40页 |
| 2.4.2 基于局部对比度的字符垂直方向定位 | 第40-41页 |
| 2.5 实验与分析 | 第41-46页 |
| 2.5.1 冠字号码区域粗定位 | 第41页 |
| 2.5.2 冠字号码分割结果对比分析 | 第41-45页 |
| 2.5.3 冠字号码字符提取精度 | 第45-46页 |
| 2.6 本章小结 | 第46-47页 |
| 3 冠字号码字符特征提取与分类器算法设计 | 第47-74页 |
| 3.1 引言 | 第47页 |
| 3.2 人民币冠字号码数据库NUST-RMB2013 | 第47-49页 |
| 3.3 基于扰动的分类器训练方法研究 | 第49-52页 |
| 3.3.1 基于仿射变换的扰动 | 第50页 |
| 3.3.2 基于平移变换的扰动 | 第50-52页 |
| 3.4 基于分段灰度拉伸的冠字号码样本增强 | 第52-53页 |
| 3.5 冠字号码字符特征提取算法 | 第53-58页 |
| 3.5.1 八方向梯度特征 | 第54-55页 |
| 3.5.2 Gabor特征 | 第55-57页 |
| 3.5.3 基于LDA的特征选择 | 第57-58页 |
| 3.6 冠字号码分类模型设计 | 第58-62页 |
| 3.6.1 基于核函数的字符分类器 | 第58-60页 |
| 3.6.2 基于高斯分布的统计模型分类器 | 第60-62页 |
| 3.7 基于深度学习的冠字号码识别 | 第62-67页 |
| 3.7.1 深度神经网络分类器 | 第62-66页 |
| 3.7.2 深度自主学习特征 | 第66-67页 |
| 3.8 字符特征与分类器性能与分析 | 第67-73页 |
| 3.8.1 字符特征提取算法对比 | 第68-69页 |
| 3.8.2 分类器性能对比 | 第69-70页 |
| 3.8.3 扰动算法效果对比 | 第70-73页 |
| 3.9 本章小结 | 第73-74页 |
| 4 基于关键点关联图像块置信度融合的冠字号码识别方法 | 第74-87页 |
| 4.1 引言 | 第74-75页 |
| 4.2 冠字号码关键点检测与关联图像块提取 | 第75-80页 |
| 4.2.1 DoG关键点检测 | 第76-79页 |
| 4.2.2 基于K-Means的关键点选择与关联图像块提取 | 第79-80页 |
| 4.3 关键点关联图像块置信度融合算法研究 | 第80-82页 |
| 4.3.1 分类模型训练 | 第80-81页 |
| 4.3.2 关键点关联图像块置信度融合方法研究 | 第81-82页 |
| 4.4 实验结果与分析 | 第82-85页 |
| 4.4.1 Baseline方法识别结果 | 第82页 |
| 4.4.2 基于关键点关联图像块置信度融合的冠字号码识别结果 | 第82-83页 |
| 4.4.3 实验分析与讨论 | 第83-84页 |
| 4.4.4 拒识策略 | 第84-85页 |
| 4.5 本章小结 | 第85-87页 |
| 5 基于分类器级联融合的冠字号码识别与拒-识 | 第87-101页 |
| 5.1 引言 | 第87页 |
| 5.2 传统的分类器融合冠字号码识别与拒识方法 | 第87-90页 |
| 5.2.1 传统的分类器融合方法 | 第87-88页 |
| 5.2.2 传统的拒识策略 | 第88-89页 |
| 5.2.3 基于LDAM的拒识方法 | 第89-90页 |
| 5.3 基于SVM和LDF学习的线性分类器融合与拒识 | 第90-91页 |
| 5.4 基于分类器级联的冠字号码识别与拒识 | 第91-93页 |
| 5.4.1 基于多分类器级联的识别方法 | 第91-93页 |
| 5.4.2 基于多分类器级联的拒识策略 | 第93页 |
| 5.5 实验结果与分析 | 第93-100页 |
| 5.5.1 多分类器融合算法识别结果 | 第93-95页 |
| 5.5.2 拒识算法性能分析 | 第95-100页 |
| 5.6 本章小结 | 第100-101页 |
| 6 结束语 | 第101-104页 |
| 6.1 本文内容总结 | 第101-102页 |
| 6.2 今后研究工作展望 | 第102-104页 |
| 致谢 | 第104-106页 |
| 参考文献 | 第106-122页 |
| 附录 | 第122-123页 |
