| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 课题研究内容 | 第10-11页 |
| 1.3 国内外的研究进展 | 第11-13页 |
| 1.3.1 自然场景图像中文本提取 | 第11-12页 |
| 1.3.2 文本识别 | 第12页 |
| 1.3.3 颜色特征提取 | 第12-13页 |
| 1.4 本文的内容安排 | 第13-15页 |
| 第二章 基于机器视觉的智能抄表系统设计 | 第15-21页 |
| 2.1 仪表对象分析 | 第15-16页 |
| 2.2 智能抄表系统设计 | 第16-18页 |
| 2.3 软件设计 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于局部阈值分割的文本提取 | 第21-37页 |
| 3.1 图像预处理 | 第21-25页 |
| 3.2 基于边缘检测的仪表数显区域ROI | 第25-28页 |
| 3.3 基于局部阈值分割的文本提取 | 第28-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于Zernike矩的文本识别 | 第37-59页 |
| 4.1 几何不变矩 | 第37-43页 |
| 4.1.1 Hu矩 | 第37-40页 |
| 4.1.2 Zernike矩 | 第40-42页 |
| 4.1.3 切比雪夫矩(Tchebichef Moments) | 第42-43页 |
| 4.2 几何不变矩特征的文本描述 | 第43-52页 |
| 4.2.1 彩色图像的Zernike不变矩 | 第43-45页 |
| 4.2.2 灰度图像的几何不变矩 | 第45-48页 |
| 4.2.3 二值图像几何不变矩 | 第48-49页 |
| 4.2.4 文本描述 | 第49-52页 |
| 4.3 基于几何不变矩的文本识别 | 第52-58页 |
| 4.3.1 最近邻分类（Nearest-Neighbor） | 第52-53页 |
| 4.3.2 贝叶斯网络 | 第53-54页 |
| 4.3.3 数据库的建立 | 第54-55页 |
| 4.3.4 识别结果分析 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于颜色常量的表头识别 | 第59-67页 |
| 5.1 颜色常量(color constancy) | 第59-62页 |
| 5.2 颜色常量特征提取 | 第62-63页 |
| 5.3 表头识别 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间主要的研究成果 | 第73-75页 |
| 致谢 | 第75页 |
