| 第一章 绪论 | 第1-19页 |
| 1．1 问题的提出 | 第9-10页 |
| 1．2 身份证识别技术的研究现状 | 第10-16页 |
| 1．2．1 文字信息提取方法研究 | 第10-12页 |
| 1．2．2 字符分割算法研究 | 第12-13页 |
| 1．2．3 字符识别技术的发展与趋势 | 第13-16页 |
| 1．3 解读第二代居民身份证 | 第16-17页 |
| 1．4 本文的主要工作和论文组织 | 第17-19页 |
| 第二章 身份证识别中的图像处理与分析 | 第19-26页 |
| 2．1 引言 | 第19页 |
| 2．2 彩色图像的灰度化 | 第19-21页 |
| 2．3 数学形态学在图像处理中的应用 | 第21页 |
| 2．4 身份证识别中的图像处理与分析方法 | 第21-26页 |
| 2．4．1 图像的平滑和滤波 | 第21-23页 |
| 2．4．2 图像的锐化 | 第23-24页 |
| 2．4．3 图像的边缘检测 | 第24-26页 |
| 第三章 身份证图像中文字的定位与分割 | 第26-46页 |
| 3．1 身份证图像的彩色滤波 | 第26-28页 |
| 3．1．1 身份证图像信息图块的分割 | 第26-27页 |
| 3．1．2 身份证图像的彩色滤波 | 第27-28页 |
| 3．2 现有图像二值化方法研究 | 第28-32页 |
| 3．2．1 基于灰度直方图的方法 | 第30-31页 |
| 3．2．2 基于灰度期望值的方法 | 第31页 |
| 3．2．3 最小误差方法 | 第31-32页 |
| 3．3 基于迭代阈值法的身份证图像二值化算法研究 | 第32-34页 |
| 3．3．1 基于改进的最小误差的方法 | 第32-33页 |
| 3．3．2 基于邻域特征的自适应法 | 第33页 |
| 3．3．3 本文采用的二值化算法 | 第33-34页 |
| 3．4 二值图像的去噪和平滑处理 | 第34-38页 |
| 3．4．1 基于数学形态学的噪声滤除方法 | 第35-36页 |
| 3．4．2 平滑处理 | 第36-38页 |
| 3．5 身份证字符的定位与分割 | 第38-46页 |
| 3．5．1 文字行分割 | 第39-41页 |
| 3．5．2 单个字符的分割 | 第41-46页 |
| 第四章 身份证字符识别方法的研究 | 第46-62页 |
| 4．1 字符识别前的预处理 | 第46-51页 |
| 4．1．1 归一化处理 | 第46-48页 |
| 4．1．2 细化处理 | 第48-51页 |
| 4．2 模式识别理论及应用 | 第51-54页 |
| 4．2．1 模式识别的基本概念 | 第51-52页 |
| 4．2．2 模式识别的方法与分类 | 第52-54页 |
| 4．3 身份证字符特征的选择和提取 | 第54-58页 |
| 4．3．1 字符特征提取方法研究 | 第54-56页 |
| 4．3．2 数字的混合特征的提取 | 第56-58页 |
| 4．4 基于混合特征提取的最小距离分类器的字符识别方法 | 第58-59页 |
| 4．5 身份证号码的识别校验 | 第59-62页 |
| 第五章 全文总结 | 第62-65页 |
| 5．1 总结 | 第62-63页 |
| 5．2 论文的创新点 | 第63-64页 |
| 5．3 未来工作的展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |