基于单根CIS的人民币冠字号识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 本课题的研究背景及意义 | 第10-12页 |
| 1.2 本课题的研究现状及发展前景 | 第12-13页 |
| 1.3 主要研究内容 | 第13-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 冠字号自动识别系统 | 第17-24页 |
| 2.1 硬件平台搭建 | 第17-18页 |
| 2.2 单双根CIS图像采集对比 | 第18-22页 |
| 2.3 系统软件流程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 预处理算法的设计与实现 | 第24-51页 |
| 3.1 图像边缘检测 | 第24-27页 |
| 3.2 图像倾斜校正 | 第27-28页 |
| 3.3 滤波去噪 | 第28-31页 |
| 3.4 图像二值化 | 第31-39页 |
| 3.4.1 全局二值化 | 第31-35页 |
| 3.4.2 局部二值化 | 第35-37页 |
| 3.4.3 二值图像的平滑处理 | 第37-39页 |
| 3.5 冠字号区域提取 | 第39-43页 |
| 3.5.1 上下边界的检测 | 第39-41页 |
| 3.5.2 左右边界的检测 | 第41-43页 |
| 3.6 连通域的标记及过滤噪点 | 第43-47页 |
| 3.6.1 标记连通域 | 第43-47页 |
| 3.6.2 噪点去除 | 第47页 |
| 3.7 字符分割及归一化 | 第47-49页 |
| 3.7.1 字符分割 | 第48-49页 |
| 3.7.2 字符大小归一化 | 第49页 |
| 3.8 小结 | 第49-51页 |
| 第四章 识别算法的设计与实现 | 第51-72页 |
| 4.1 OCR技术介绍 | 第51-52页 |
| 4.2 冠字号字符特点 | 第52页 |
| 4.3 常用的字符识别算法 | 第52-57页 |
| 4.3.1 模板匹配法 | 第52-54页 |
| 4.3.2 基于字符结构特征的识别方法 | 第54-57页 |
| 4.4 人工神经网络法 | 第57-71页 |
| 4.4.1 人工神经网络模型 | 第58-60页 |
| 4.4.2 神经网络学习 | 第60-62页 |
| 4.4.3 误差反传算法 | 第62-68页 |
| 4.4.4 神经网络结构参数的选择 | 第68-71页 |
| 4.5 小结 | 第71-72页 |
| 第五章 识别算法的优化及系统测试 | 第72-89页 |
| 5.1 识别算法的优化 | 第72-84页 |
| 5.1.1 一种新的联合算法 | 第72-79页 |
| 5.1.2 联合算法优化 | 第79-80页 |
| 5.1.3 BP神经网络算法优化 | 第80-84页 |
| 5.2 系统测试与性能分析 | 第84-88页 |
| 5.3 小结 | 第88-89页 |
| 第六章 总结与展望 | 第89-91页 |
| 6.1 总结 | 第89-90页 |
| 6.2 展望 | 第90-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-97页 |
