基于自学习的手写表格数字字符串快速识别方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的来源 | 第8页 |
| 1.2 课题研究的背景和意义 | 第8-9页 |
| 1.3 国内外在该方向的研究现状及分析 | 第9-11页 |
| 1.3.1 国内外研究现状 | 第9-10页 |
| 1.3.2 国内外文献综述的简析 | 第10-11页 |
| 1.4 主要研究内容 | 第11-13页 |
| 第2章 系统结构及表格图像的预处理 | 第13-32页 |
| 2.1 系统结构介绍 | 第13-14页 |
| 2.2 人工神经网络概述 | 第14-19页 |
| 2.2.1 神经网络发展历程 | 第14-15页 |
| 2.2.2 BP 神经网络 | 第15-19页 |
| 2.3 预处理 | 第19-23页 |
| 2.3.1 二值化 | 第19-22页 |
| 2.3.2 图像去躁 | 第22-23页 |
| 2.4 倾斜校正 | 第23-31页 |
| 2.4.1 hough 变换方法 | 第24-26页 |
| 2.4.2 Viterbi 算法 | 第26-28页 |
| 2.4.3 图像旋转 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 字符图像的提取与分割 | 第32-47页 |
| 3.1 单元格定位 | 第32-34页 |
| 3.2 连接成分提取字符 | 第34-37页 |
| 3.3 面向识别的字符分割 | 第37-42页 |
| 3.3.1 候选切分点 | 第37-40页 |
| 3.3.2 候选切分线 | 第40-42页 |
| 3.4 置信度 | 第42-43页 |
| 3.5 字符分割流程 | 第43-45页 |
| 3.6 小数点位置的确定 | 第45-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第4章 手写数字的识别 | 第47-59页 |
| 4.1 字符图像平滑化 | 第47-48页 |
| 4.2 数字字符细化 | 第48-50页 |
| 4.3 字符图像归一化 | 第50-51页 |
| 4.4 数字字符及表头的特性提取 | 第51-56页 |
| 4.4.1 表头的 Harris 角点特征 | 第51-53页 |
| 4.4.2 数字字符的特征提取 | 第53-56页 |
| 4.5 系统的建立及数据样本测试结果 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |
