基于深度学习的发票自动识别系统的设计与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的研究背景及意义 | 第14页 |
| 1.2 国内外研究现在及分析 | 第14-17页 |
| 1.2.1 数字识别技术研究现状 | 第14-15页 |
| 1.2.2 深度学习研究现状 | 第15-17页 |
| 1.3 研究内容、成果及章节安排 | 第17-20页 |
| 1.3.1 本文研究的主要内容 | 第17-18页 |
| 1.3.2 课题成果 | 第18页 |
| 1.3.3 章节安排 | 第18-20页 |
| 第二章 系统分析与流程设计 | 第20-25页 |
| 2.1 引言 | 第20页 |
| 2.2 系统分析 | 第20-22页 |
| 2.2.1 系统需求分析 | 第20-21页 |
| 2.2.2 发票版面特点分析 | 第21-22页 |
| 2.3 算法流程设计 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 图像采集、预处理及校正 | 第25-43页 |
| 3.1 引言 | 第25页 |
| 3.2 图像采集 | 第25-26页 |
| 3.3 图像预处理 | 第26-36页 |
| 3.3.1 灰度化 | 第26-28页 |
| 3.3.2 归一化 | 第28-29页 |
| 3.3.3 边缘检测 | 第29-33页 |
| 3.3.4 形态学操作 | 第33-36页 |
| 3.4 图像倾斜校正 | 第36-41页 |
| 3.4.1 Hough变换 | 第36-38页 |
| 3.4.2 基于改进的Hough变换法的倾斜检测 | 第38-40页 |
| 3.4.3 图像旋转 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 信息区域定位、去噪和字符切割 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 信息区域定位 | 第43-47页 |
| 4.2.1 金额和税额区域定位 | 第44-46页 |
| 4.2.2 纳税人识别号和发票号码区域定位 | 第46-47页 |
| 4.3 信息区域去噪 | 第47-51页 |
| 4.3.1 噪声来源分析 | 第47-48页 |
| 4.3.2 去噪方法的研究 | 第48-51页 |
| 4.4 单个字符切割 | 第51-54页 |
| 4.5 实验测试和分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 基于深度学习的数字识别 | 第56-64页 |
| 5.1 引言 | 第56页 |
| 5.2 深度学习概述 | 第56-59页 |
| 5.2.1 深度学习中的常用框架 | 第56-58页 |
| 5.2.2 AlexNet模型 | 第58-59页 |
| 5.3 数据采集 | 第59-60页 |
| 5.4 网络训练及参数设计 | 第60-61页 |
| 5.5 实验测试和分析 | 第61-62页 |
| 5.5.1 测试准备 | 第61页 |
| 5.5.2 区域数字识别功能测试 | 第61-62页 |
| 5.6 发票识别系统的界面 | 第62-63页 |
| 5.7 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表论文 | 第70-72页 |
| 致谢 | 第72页 |
