| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 序言 | 第9-11页 |
| 第一章 绪论 | 第11-20页 |
| ·相关领域研究现状 | 第13-15页 |
| ·OCR 技术 | 第13页 |
| ·牌照识别 | 第13-14页 |
| ·视频帧信息提取 | 第14页 |
| ·图像检索 | 第14-15页 |
| ·关键技术及其难点分析 | 第15-18页 |
| ·文本区域定位方法 | 第15-17页 |
| ·文本信息提取方法 | 第17-18页 |
| ·难点分析 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 相关的图像处理方法 | 第20-32页 |
| ·引言 | 第20页 |
| ·图像颜色处理 | 第20-23页 |
| ·颜色处理的理论基础 | 第20-21页 |
| ·灰度化处理 | 第21-22页 |
| ·颜色量化与减色 | 第22-23页 |
| ·图像增强 | 第23页 |
| ·图像滤波 | 第23-24页 |
| ·边缘检测 | 第24-27页 |
| ·Roberts 边缘检测算子 | 第24-25页 |
| ·Sobel 算子 | 第25页 |
| ·Prewitt 算子 | 第25页 |
| ·拉普拉斯(Laplacian)算子 | 第25-27页 |
| ·数学形态学 | 第27-31页 |
| ·腐蚀运算 | 第27-28页 |
| ·膨胀运算 | 第28-29页 |
| ·开运算 | 第29-30页 |
| ·闭运算 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于 MEAN-SHIFT 的文本区域提取 | 第32-42页 |
| ·引言 | 第32页 |
| ·MEAN-SHIFT 原理介绍 | 第32-34页 |
| ·核函数 | 第33页 |
| ·Mean-Shift 扩展形式 | 第33-34页 |
| ·MEAN-SHIFT 的物理含义 | 第34-36页 |
| ·MEAN-SHIFT 算法 | 第36页 |
| ·MEAN-SHIFT 图像文本信息提取 | 第36-38页 |
| ·字符投影分割 | 第38-39页 |
| ·实验结果及分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 阈值分割 | 第42-50页 |
| ·引言 | 第42-43页 |
| ·全局阈值法 | 第43-47页 |
| ·最优阈值 | 第43页 |
| ·迭代阈值法 | 第43-44页 |
| ·Ostu 大律法 | 第44-45页 |
| ·聚类法 | 第45-47页 |
| ·局部阈值化方法 | 第47-48页 |
| ·Kamel-Zhao 算法 | 第47页 |
| ·Bersen 算法 | 第47-48页 |
| ·动态阈值法 | 第48页 |
| ·本文采用的阈值分割方法 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于 HOPFIELD 神经网络的字符识别 | 第50-62页 |
| ·引言 | 第50页 |
| ·字符图像预处理 | 第50-51页 |
| ·规范化 | 第50-51页 |
| ·细化 | 第51页 |
| ·字符识别方法概述 | 第51-52页 |
| ·基于统计的字符识别技术 | 第51页 |
| ·基于结构特征的字符识别技术 | 第51-52页 |
| ·基于人工神经网络的识别技术 | 第52页 |
| ·基于离散 HOPFIELD 神经网络的字符识别 | 第52-59页 |
| ·Hopfield 神经网络概述 | 第52-55页 |
| ·DHNN(离散型 Hopfield 神经网络) | 第55-56页 |
| ·Hebb 规则 | 第56-57页 |
| ·DHNN 工作方式 | 第57页 |
| ·基于 DHNN 字符识别的基本原理 | 第57-58页 |
| ·算法描述 | 第58-59页 |
| ·基于 DHNN 字符识别的算法程序设计 | 第59-61页 |
| ·实验结果分析 | 第61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间参与的项目和发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |