| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·国内外研究现状及课题研究的目的 | 第9-12页 |
| ·特征提取 | 第9-10页 |
| ·分类器的设计 | 第10-12页 |
| ·主要研究内容 | 第12-14页 |
| 第2章 类Harr 特征提取 | 第14-20页 |
| ·引言 | 第14页 |
| ·类Harr 特征的实现原理 | 第14-16页 |
| ·类Harr 特征的快速实现 | 第16-17页 |
| ·AdaBoost 方法 | 第17-19页 |
| ·AdaBoost 方法的原理 | 第17-18页 |
| ·基于AdaBoost 方法的特征选择 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 基于类Harr 特征的纸币识别 | 第20-38页 |
| ·图像预处理 | 第20-25页 |
| ·图像的亮度补偿 | 第21页 |
| ·图像边缘检测 | 第21-23页 |
| ·图像的倾斜校正 | 第23-25页 |
| ·类Harr 特征法提取纸币特征 | 第25-29页 |
| ·类Harr 特征网格的确定 | 第25-26页 |
| ·类Harr 特征的计算 | 第26-29页 |
| ·Boosting 方法选择特征 | 第29-32页 |
| ·多币种分类器的实现 | 第32页 |
| ·实验结果分析与总结 | 第32-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 最小包含球方法 | 第38-44页 |
| ·最小包含球识别法 | 第38-39页 |
| ·最小包含球识别法的实现 | 第39-43页 |
| ·One Class 方法的原理 | 第39-41页 |
| ·One Class 方法与最小包含球方法的等价性 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于最小包含球方法的纸币识别 | 第44-66页 |
| ·纸币图像预处理 | 第45页 |
| ·核函数的选择 | 第45-46页 |
| ·多币种识别的解决方法 | 第46-50页 |
| ·RBF 核下的纸币识别 | 第50-58页 |
| ·RBF 核函数下参数的确定 | 第50-53页 |
| ·RBF 核下多类区域重叠部分的解决方法 | 第53页 |
| ·RBF 核下One Class 方法对应的决策方法的改进 | 第53-56页 |
| ·RBF 核下多类识别结果 | 第56-58页 |
| ·LINEAR 核下的纸币识别 | 第58-63页 |
| ·线性核函数下参数的确定 | 第58-59页 |
| ·线性核下One Class 方法对应的决策方法的改进 | 第59-60页 |
| ·LINEAR 核下多类识别结果 | 第60-63页 |
| ·实验小结 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
