美元纸币关键信息的图像检测以及号码识别
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景和意义 | 第8-9页 |
| ·美元币种识别的意义 | 第8-9页 |
| ·美元冠字号码识别的意义 | 第9页 |
| ·国内外研究现状及存在的问题 | 第9-10页 |
| ·论文的主要研究内容和章节安排 | 第10页 |
| ·预期达到的目标 | 第10-11页 |
| 2 图像的预处理 | 第11-17页 |
| ·图像的灰度化 | 第11-12页 |
| ·图像的平滑滤波 | 第12-13页 |
| ·图像的鱼眼校正 | 第13-15页 |
| ·图像的倾斜校正 | 第15-16页 |
| ·图像增强 | 第16页 |
| ·本章小结 | 第16-17页 |
| 3 基于角图像的美元关键信息检测 | 第17-30页 |
| ·图像匹配 | 第17页 |
| ·美元角图像的匹配过程 | 第17-21页 |
| ·美元图像分析 | 第17-18页 |
| ·待匹配区域的划定 | 第18-19页 |
| ·模板库的建立 | 第19-20页 |
| ·匹配过程 | 第20-21页 |
| ·美元角图像匹配算法比较 | 第21-29页 |
| ·传统的二维模板匹配 | 第21-22页 |
| ·基于八向特征的特征匹配 | 第22-26页 |
| ·基于PCA的特征匹配 | 第26-28页 |
| ·三种方法的比较实验 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 美元冠字号码的定位与分割 | 第30-40页 |
| ·美元冠字号码定位 | 第30-35页 |
| ·美元号码图像的选取 | 第31-32页 |
| ·美元号码的粗定位 | 第32-34页 |
| ·美元号码的精确定位 | 第34-35页 |
| ·字符分割 | 第35-39页 |
| ·号码体图像的二值化 | 第35-37页 |
| ·分割出单个字符 | 第37-38页 |
| ·单个字符归一化 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 5 单个字符的识别 | 第40-50页 |
| ·字符的特征提取与选择 | 第40-41页 |
| ·识别器选择 | 第41-43页 |
| ·基于BP神经网络的字符识别 | 第43-49页 |
| ·BP神经网络 | 第43页 |
| ·BP神经网络的训练算法 | 第43-46页 |
| ·BP神经网络的实现 | 第46-49页 |
| ·单个字符识别结果与分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 6 系统设计 | 第50-64页 |
| ·系统的硬件结构 | 第50-54页 |
| ·TMS320DM642介绍 | 第50-52页 |
| ·COMS图像传感器MT9T001 | 第52-53页 |
| ·MT9T001与TMS320DM642的同步 | 第53-54页 |
| ·MT9T001与系统的同步 | 第54页 |
| ·系统的软件结构 | 第54-60页 |
| ·系统软件流程图 | 第54-56页 |
| ·DSP软件系统的开发与优化 | 第56-57页 |
| ·PC端串口接收系统 | 第57-58页 |
| ·系统实时测试结果 | 第58-60页 |
| ·离线实验平台 | 第60-63页 |
| ·美元关键信息检测 | 第60-61页 |
| ·美元冠字号码识别 | 第61-62页 |
| ·美元单个字符识别率统计 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 7 总结与展望 | 第64-65页 |
| ·总结 | 第64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
