增值税发票中有效信息的识别算法研究与实现
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 光学字符识别(OCR)的研究现状 | 第8-9页 |
| 1.2.2 票据识别的研究现状 | 第9-10页 |
| 1.2.3 普通增值税发票版面分析 | 第10-11页 |
| 1.2.4 普通增值税发票系统设计 | 第11页 |
| 1.3 论文结构 | 第11-13页 |
| 2 发票图像预处理 | 第13-23页 |
| 2.1 发票图像的二值化 | 第13-18页 |
| 2.1.1 基于积分率的二值化法 | 第14页 |
| 2.1.2 基于最大内间方差法的二值化 | 第14-16页 |
| 2.1.3 局部自适应阈值校正法 | 第16-18页 |
| 2.2 图像的倾斜校正 | 第18-22页 |
| 2.2.1 基于Hough变换的直线检测校正方法 | 第18-20页 |
| 2.2.2 方向白游程图像倾斜矫正的改进方法 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 发票信息的定位分割 | 第23-29页 |
| 3.1 基于空间域特征的字符区域分割 | 第26-27页 |
| 3.2 基于频域处理的字符区域分割 | 第27页 |
| 3.3 基于机器学习的字符区域分割 | 第27-29页 |
| 4 发票信息的字符识别 | 第29-51页 |
| 4.1 字符归一化 | 第29-32页 |
| 4.2 特征提取 | 第32-34页 |
| 4.2.1 端点与交叉点特征 | 第33页 |
| 4.2.2 字符基元方向特征 | 第33-34页 |
| 4.3 支持向量机基本原理 | 第34-44页 |
| 4.3.1 线性支持向量机 | 第36-39页 |
| 4.3.2 非线性支持向量机与核函数 | 第39-40页 |
| 4.3.3 多类别分类 | 第40-44页 |
| 4.4 参数优化 | 第44-46页 |
| 4.5 实验结果 | 第46-48页 |
| 4.6 系统设计 | 第48-49页 |
| 4.7 本章小结 | 第49-51页 |
| 5 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文及著作 | 第56-57页 |
