有限集合污损汉字字符的识别
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-17页 |
| ·研究的背景和现状 | 第13-15页 |
| ·本系统的主要工作 | 第15-17页 |
| 第二章 预处理 | 第17-28页 |
| ·灰度图像的平滑 | 第17-20页 |
| ·线性平滑滤波器 | 第17-18页 |
| ·中值滤波器 | 第18页 |
| ·低通滤波器 | 第18-19页 |
| ·自适应滤波器 | 第19页 |
| ·本系统用的滤波方法 | 第19-20页 |
| ·二值化 | 第20-23页 |
| ·全局阈值法 | 第20-21页 |
| ·局部阈值法 | 第21-22页 |
| ·动态阈值二值化方法 | 第22页 |
| ·本文所使用的二值化方法 | 第22-23页 |
| ·规范化 | 第23-26页 |
| ·线性规范化 | 第23-26页 |
| ·位置规范化 | 第24-25页 |
| ·大小规范化 | 第25-26页 |
| ·非线性规范化 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第三章 汉字细化 | 第28-38页 |
| ·主要细化算法概述 | 第28-33页 |
| ·基本知识 | 第29-30页 |
| ·八邻域及像素命名 | 第29页 |
| ·边缘点、分裂点、分枝点及端点 | 第29-30页 |
| ·多重像素及连接数 | 第30页 |
| ·Hilditch 细化算法 | 第30-32页 |
| ·Deutsch 细化算法 | 第32页 |
| ·轮廓跟踪细化算法 | 第32-33页 |
| ·本文提出的改进细化算法 | 第33-38页 |
| ·传统的数学形态学细化算法 | 第33-34页 |
| ·本文中的细化算法分析 | 第34-37页 |
| ·T 型笔划拐点细化算法分析 | 第35-36页 |
| ·端点-三叉点的毛刺跟踪消除算法 | 第36-37页 |
| ·实验结果及分析 | 第37-38页 |
| 第四章 特征提取 | 第38-53页 |
| ·特征提取概念 | 第38-39页 |
| ·结构特征提取方法 | 第39-41页 |
| ·字符的层次轮廓特征提取方法 | 第39-40页 |
| ·特征点特征 | 第40-41页 |
| ·统计特征提取方法 | 第41-45页 |
| ·笔划密度特征提取方法 | 第42页 |
| ·区域特征提取方法 | 第42-43页 |
| ·几何矩特征提取法 | 第43-44页 |
| ·纹理特征 | 第44-45页 |
| ·统计特征与结构特征相结合的特征提取方法 | 第45-47页 |
| ·基于小波弹性网格的特征提取 | 第45-46页 |
| ·四平面笔划穿透数目特征 | 第46页 |
| ·基于方向线素的特征 | 第46-47页 |
| ·基于隐马尔可夫型的特征 | 第47页 |
| ·本系统采用的特征提取算法 | 第47-53页 |
| ·四种笔划平面的标记 | 第48-49页 |
| ·笔段提取 | 第49-50页 |
| ·特征向量的生成 | 第50-53页 |
| 第五章 分类与识别 | 第53-64页 |
| ·常用的分类器 | 第54-58页 |
| ·距离分类器 | 第54-55页 |
| ·人工神经网络分类器(ANN 分类器) | 第55页 |
| ·支持向量机分类器(SVM 分类器) | 第55-56页 |
| ·基于模糊数学的识别方法 | 第56-57页 |
| ·小波分析粗分类 | 第57-58页 |
| ·粗分类 | 第58-60页 |
| ·基于结构信息的粗分类 | 第58-59页 |
| ·基于统计信息的粗分类 | 第59-60页 |
| ·本系统的分类方法 | 第60-64页 |
| ·本系统的汉字粗分类方法 | 第60-62页 |
| ·本系统采用的细分类方法 | 第62-64页 |
| 第六章 识别结果 | 第64-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |
