机打普通商业发票识别系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11-15页 |
| ·模式识别和 OCR 技术 | 第11-12页 |
| ·票据自动处理系统 | 第12-13页 |
| ·国内外发展状况 | 第13-15页 |
| ·本文的目的和意义 | 第15-16页 |
| ·本文主要的研究工作 | 第16页 |
| ·本文的结构安排 | 第16-17页 |
| 第二章 版面分析与系统流程设计 | 第17-22页 |
| ·引言 | 第17页 |
| ·版面分析 | 第17-20页 |
| ·版面内容的分类 | 第17-19页 |
| ·版面特点分析 | 第19-20页 |
| ·系统流程设计 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 图像获取及校正 | 第22-31页 |
| ·引言 | 第22页 |
| ·图像获取 | 第22-23页 |
| ·图像校正 | 第23-30页 |
| ·横向放置 | 第23-24页 |
| ·倾斜校正 | 第24-29页 |
| ·正向放置 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 信息区定位、去噪和切割 | 第31-47页 |
| ·引言 | 第31页 |
| ·信息区定位 | 第31-36页 |
| ·信息区去噪 | 第36-44页 |
| ·均值滤波 | 第37-38页 |
| ·中值滤波 | 第38-39页 |
| ·维纳滤波 | 第39-41页 |
| ·形态学滤波 | 第41-44页 |
| ·单个字符切割 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 数字识别 | 第47-62页 |
| ·引言 | 第47页 |
| ·数字识别概述 | 第47-48页 |
| ·基于结构特征和投影特征的数字识别 | 第48-55页 |
| ·基于 BP 神经网络的数字识别算法 | 第55-59页 |
| ·BP 神经网络的基本原理和学习算法 | 第55-58页 |
| ·基于 BP 神经网络的数字字符识别 | 第58-59页 |
| ·两种数字识别算法比较 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 系统测试和分析 | 第62-67页 |
| ·引言 | 第62页 |
| ·系统测试 | 第62-63页 |
| ·测试准备 | 第62页 |
| ·系统定位功能测试 | 第62-63页 |
| ·区域数字识别功能测试 | 第63页 |
| ·发票识别系统的界面 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 1 主要工作及创新 | 第67页 |
| 2 下一步的改进 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
