票据中手写数字识别的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1. 绪论 | 第8-12页 |
| ·手写体数字识别的研究意义 | 第8-9页 |
| ·手写体数字识别的研究与发展 | 第9-10页 |
| ·票据中手写体数字识别研究的特点和难点 | 第10页 |
| ·本文的内容和组织安排 | 第10-12页 |
| 2. 手写数字识别的过程 | 第12-31页 |
| ·票据预处理 | 第13-24页 |
| ·图像的去噪 | 第13-16页 |
| ·图像的二值化 | 第16-18页 |
| ·倾斜校正 | 第18页 |
| ·常用的倾斜估计方法 | 第18-20页 |
| ·版面分析 | 第20-24页 |
| ·特征提取 | 第24-28页 |
| ·结构特征 | 第25-26页 |
| ·统计特征 | 第26-28页 |
| ·分类识别 | 第28-31页 |
| ·结构模式识别方法 | 第28-29页 |
| ·统计模式识别方法 | 第29页 |
| ·传统识别方式的优劣 | 第29页 |
| ·较新型的识别方法 | 第29-31页 |
| 3. BP神经网络 | 第31-35页 |
| ·神经网络的特点 | 第31页 |
| ·人工神经网络的原理 | 第31-32页 |
| ·BP神经网络算法 | 第32-33页 |
| ·神经网络模式识别对预处理的基本要求 | 第33-35页 |
| 4. 基于反例样本识别的数字串分割 | 第35-48页 |
| ·手写数字的提取 | 第35-37页 |
| ·去除格线 | 第35-36页 |
| ·还原补偿 | 第36-37页 |
| ·基于识别的手写数字串的分割 | 第37-43页 |
| ·基于识别的分割方法 | 第39页 |
| ·确定分割候选者 | 第39-40页 |
| ·分类器的选择 | 第40-41页 |
| ·基于反例的训练方法 | 第41-42页 |
| ·选择最佳组合 | 第42-43页 |
| ·具体实现 | 第43-48页 |
| ·测试平台 | 第44-45页 |
| ·测试结果与分析 | 第45-48页 |
| 5. 结论和展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 在校期间发表的论文、科研成果等 | 第53-54页 |
| 致谢 | 第54页 |
