纸币编码识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题背景与研究意义 | 第10-11页 |
| ·纸币编码识别的技术研究现状 | 第11-12页 |
| ·研究难点和内容 | 第12-15页 |
| 第二章 数字图像处理技术基础 | 第15-25页 |
| ·数字图像的描述 | 第15-16页 |
| ·图像增强 | 第16-18页 |
| ·图像灰度变换 | 第16-17页 |
| ·直方图均衡化 | 第17-18页 |
| ·图像平滑与滤波 | 第18-21页 |
| ·邻域平均 | 第19页 |
| ·低通滤波 | 第19-20页 |
| ·中值滤波 | 第20-21页 |
| ·图像分割 | 第21-24页 |
| ·二值化 | 第21-23页 |
| ·边缘检测 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 纸币数字图像的预处理 | 第25-40页 |
| ·字符区域定位 | 第25-27页 |
| ·纸币编码特征分析 | 第25-26页 |
| ·纸币的编码区域定位 | 第26-27页 |
| ·灰度图像噪声滤除 | 第27-30页 |
| ·图像中不规则散斑的去除方法 | 第27-28页 |
| ·图像中折痕的去除方法 | 第28-30页 |
| ·图像的二值化与字符分割 | 第30-33页 |
| ·图像二值化 | 第30-31页 |
| ·二值图像去噪 | 第31页 |
| ·字符分割 | 第31-33页 |
| ·尺寸归一化 | 第33-34页 |
| ·线条归一化 | 第34-38页 |
| ·字符细化 | 第35-36页 |
| ·去毛刺 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 纸币编码的冠字区域识别 | 第40-52页 |
| ·人工神经网络 | 第40-44页 |
| ·神经细胞 | 第40-41页 |
| ·神经网络 | 第41页 |
| ·BP 神经网络 | 第41-44页 |
| ·网络模型设计 | 第44-46页 |
| ·字符分类算法的 BP 神经网络结构 | 第44-46页 |
| ·基于 BP 神经网络的字符分类算法实现 | 第46-48页 |
| ·数据选择和归一化 | 第46-47页 |
| ·网络的初始化和训练 | 第47页 |
| ·BP 神经网络分类识别 | 第47-48页 |
| ·免疫算法优化神经网络 | 第48-51页 |
| ·免疫算法 | 第49-50页 |
| ·免疫神经网络算法设计 | 第50页 |
| ·结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 纸币编码的号码区域识别 | 第52-59页 |
| ·图像端点和连通区域 | 第52-53页 |
| ·拓扑特征及提取 | 第53-54页 |
| ·数字识别 | 第54-57页 |
| ·识别流程与决策树 | 第54-55页 |
| ·数字识别过程 | 第55-57页 |
| ·实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-62页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果及发表的学术论文 | 第65-67页 |
| 附录 | 第67页 |
