| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景与意义 | 第12-13页 |
| ·OCR技术相关研究 | 第13-15页 |
| ·OCR技术历史及现状 | 第13-14页 |
| ·主要识别方法 | 第14-15页 |
| ·文章内容及安排 | 第15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 电表图像预处理 | 第17-34页 |
| ·引言 | 第17页 |
| ·图像增强 | 第17-21页 |
| ·直方图均衡化 | 第17-20页 |
| ·图像平滑 | 第20页 |
| ·中值滤波 | 第20-21页 |
| ·图像阈值分割 | 第21-25页 |
| ·灰度阈值法分割 | 第21-25页 |
| ·基于先验知识的图像灰度阈值化 | 第25页 |
| ·数字分割提取 | 第25-31页 |
| ·数字区域的分割 | 第25-28页 |
| ·单字提取 | 第28-31页 |
| ·图像细化 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于GA-BP的单字识别 | 第34-46页 |
| ·人工神经网络概述 | 第34-39页 |
| ·人工神经元及网络训练 | 第34-36页 |
| ·BP神经网络 | 第36-39页 |
| ·BP算法的优点及不足 | 第39页 |
| ·遗传算法概述 | 第39-42页 |
| ·遗传编码及适应值函数 | 第40-41页 |
| ·基本遗传算法 | 第41-42页 |
| ·基于GA优化BP权值的单整字识别过程 | 第42-45页 |
| ·遗传算法优化BP神经网络 | 第42页 |
| ·电表表盘特点 | 第42-43页 |
| ·单字识别过程 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于结构特征和像素比例法的非整字及刻度识别 | 第46-53页 |
| ·基于结构特征的非整字识别 | 第46-50页 |
| ·非整字显示 | 第46-47页 |
| ·结构特征分析 | 第47-48页 |
| ·非整字识别过程 | 第48-50页 |
| ·基于像素比例法的刻度精确识别 | 第50-52页 |
| ·小数刻度显示特点分析 | 第50页 |
| ·基于像素比例法的刻度精确识别 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 实验及结果分析 | 第53-64页 |
| ·GA-BP单字识别 | 第53-62页 |
| ·样本选择 | 第53页 |
| ·遗传算法优化过程 | 第53-57页 |
| ·GA-BP算法与纯BP算法比较 | 第57-62页 |
| ·非整字识别及刻度识别 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录 攻读硕士学位期间发表论文 | 第70页 |