藏文OCR识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 印刷体藏文识别研究现状 | 第10-14页 |
| 1.3 相关机器学习算法研究现状 | 第14-17页 |
| 1.3.1 人工神经网络 | 第14-15页 |
| 1.3.2 机器学习 | 第15-16页 |
| 1.3.3 极限学习机 | 第16-17页 |
| 1.4 论文主要内容 | 第17-20页 |
| 1.4.1 主要研究工作 | 第17-18页 |
| 1.4.2 论文组织结构 | 第18-20页 |
| 第2章 印刷体藏文图像预处理 | 第20-32页 |
| 2.1 预处理流程 | 第20-21页 |
| 2.2 藏文字符特点 | 第21页 |
| 2.3 印刷体藏文图像的二值化 | 第21-24页 |
| 2.4 印刷体藏文图像的字丁化 | 第24-28页 |
| 2.4.1 倾斜矫正 | 第24-26页 |
| 2.4.2 字符切割 | 第26-28页 |
| 2.5 印刷体藏文字丁的归一化 | 第28-29页 |
| 2.6 识别标签库的建立 | 第29-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第3章 印刷体藏文OCR识别 | 第32-44页 |
| 3.1 数据集及实验环境 | 第32-33页 |
| 3.2 特征提取 | 第33-36页 |
| 3.2.1 映射特征 | 第33-34页 |
| 3.2.2 网格特征 | 第34-36页 |
| 3.2.3 像素特征 | 第36页 |
| 3.3 极限学习机概述 | 第36-37页 |
| 3.4 实验结果及分析 | 第37-43页 |
| 3.4.1 极限学习机实验结果 | 第37-40页 |
| 3.4.2 支持向量机实验结果 | 第40-41页 |
| 3.4.3 BP神经网络实验结果 | 第41-43页 |
| 3.4.4 实验结果对比分析 | 第43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 识别算法泛化能力检测 | 第44-54页 |
| 4.1 泛化能力概述 | 第44页 |
| 4.2 新测试集来源 | 第44-46页 |
| 4.3 实验结果及分析 | 第46-48页 |
| 4.4 融合特征 | 第48-49页 |
| 4.4.1 线性融合特征 | 第48页 |
| 4.4.2 非线性融合特征 | 第48-49页 |
| 4.5 实验结果及分析 | 第49-50页 |
| 4.6 极限学习机算法改进 | 第50-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 附录A | 第61-62页 |
| 附录B | 第62-63页 |
