基于改进的粗网格印刷体藏文字符识别技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-19页 |
| ·课题研究背景与意义 | 第12-13页 |
| ·印刷体藏文识别的研究现状 | 第13-14页 |
| ·印刷体藏文识别的特殊性 | 第14-16页 |
| ·印刷体藏文识别系统概述 | 第16-17页 |
| ·本文的主要研究工作和内容安排 | 第17-19页 |
| ·本文的主要研究工作 | 第17-18页 |
| ·本文各章节内容安排 | 第18-19页 |
| 第2章 印刷体藏文字符的预处理 | 第19-32页 |
| ·二值化 | 第19-24页 |
| ·全局阈值二值化 | 第20-22页 |
| ·局部阈值二值化 | 第22-23页 |
| ·动态阈值二值化 | 第23-24页 |
| ·平滑 | 第24-26页 |
| ·中值滤波 | 第24-25页 |
| ·邻域平均法 | 第25-26页 |
| ·行字切分 | 第26-27页 |
| ·归一化 | 第27-31页 |
| ·位置归一化 | 第27-28页 |
| ·大小归一化 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 印刷体藏文字符的特征提取 | 第32-42页 |
| ·图像投影法 | 第34-35页 |
| ·方向线素法 | 第35-36页 |
| ·分形矩特征提取法 | 第36-38页 |
| ·改进的粗网格法 | 第38-41页 |
| ·粗网格特征提取 | 第38-40页 |
| ·改进的粗网格特征提取 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 印刷体藏文字符的特征选择和分类识别 | 第42-60页 |
| ·藏文字符特征的选择 | 第42-44页 |
| ·主成分分析 | 第42-43页 |
| ·多重差别分析 | 第43-44页 |
| ·分类器的设计 | 第44-50页 |
| ·KNN 分类器 | 第45页 |
| ·Bayes 分类器 | 第45-47页 |
| ·人工神经网络分类器 | 第47-50页 |
| ·神经元模型 | 第48-49页 |
| ·误差反向传播神经网络 | 第49-50页 |
| ·BP 神经网络设计 | 第50-52页 |
| ·实验结果 | 第52-59页 |
| ·实验一 | 第52-54页 |
| ·实验二 | 第54页 |
| ·实验三 | 第54-55页 |
| ·实验四 | 第55-56页 |
| ·实验五 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-71页 |
