基于Gabor特征的银行卡号识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 银行卡号识别的研究现状 | 第11-14页 |
| 1.2.1 字符特征提取的研究现状 | 第11-12页 |
| 1.2.2 字符识别的研究现状 | 第12-13页 |
| 1.2.3 银行卡号识别的研究现状 | 第13-14页 |
| 1.3 本文的研究内容以及章节安排 | 第14-16页 |
| 1.3.1 本文的主要内容 | 第14-15页 |
| 1.3.2 本文章节安排 | 第15-16页 |
| 第2章 凹凸银行卡号识别概述 | 第16-22页 |
| 2.1 凹凸银行卡的特征 | 第16-19页 |
| 2.1.1 凹凸银行卡的相同点 | 第16页 |
| 2.1.2 凹凸银行卡的不同点 | 第16-19页 |
| 2.2 凹凸银行卡号识别的技术难点 | 第19-20页 |
| 2.3 凹凸银行卡号识别的主要流程 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 凹凸银行卡图像的预处理 | 第22-38页 |
| 3.1 图像预处理相关技术 | 第22-25页 |
| 3.1.1 倾斜校正的常见算法 | 第22-23页 |
| 3.1.2 Radon变换原理 | 第23-24页 |
| 3.1.3 图像边缘检测 | 第24-25页 |
| 3.2 银行卡图像的预处理 | 第25-34页 |
| 3.2.1 凹凸银行卡倾斜校正 | 第26-29页 |
| 3.2.2 卡号区域粗定位 | 第29页 |
| 3.2.3 卡号区域精确定位 | 第29-34页 |
| 3.3 预处理实验及结果分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 卡号滑动识别 | 第38-66页 |
| 4.1 相关技术 | 第38-45页 |
| 4.1.1 二维Gabor滤波器 | 第38-41页 |
| 4.1.2 PCA降维算法 | 第41-42页 |
| 4.1.3 LDA降维算法 | 第42-44页 |
| 4.1.4 模板匹配算法 | 第44页 |
| 4.1.5 Luhn算法卡号验证 | 第44-45页 |
| 4.2 样本训练 | 第45-55页 |
| 4.2.1 凹凸卡号字符特征提取 | 第46-54页 |
| 4.2.2 卡号特征数据降维 | 第54-55页 |
| 4.3 卡号字符的滑动识别 | 第55-61页 |
| 4.3.1 卡号模板匹配算法 | 第57-58页 |
| 4.3.2 滑动识别方法 | 第58-61页 |
| 4.4 银行卡识别实验 | 第61-65页 |
| 4.4.1 特征匹配库 | 第62-63页 |
| 4.4.2 银行卡号识别结果 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
