| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-21页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 国内现状 | 第10-12页 |
| 1.2.2 国外现状 | 第12-14页 |
| 1.3 文种识别方法及其分类 | 第14-18页 |
| 1.4 本文研究内容，重点，难点与创新点分析 | 第18-20页 |
| 1.4.1 本文研究内容与重点 | 第18-19页 |
| 1.4.2 本文研究难点与创新点 | 第19-20页 |
| 1.5 论文安排 | 第20-21页 |
| 第二章 多文种文本文档图像库建立与预处理 | 第21-26页 |
| 2.1 多文种文档图像的获取并图像库建立 | 第21-22页 |
| 2.2 文档图像的预处理 | 第22-24页 |
| 2.2.1 灰度化处理 | 第22-23页 |
| 2.2.2 二值化 | 第23-24页 |
| 2.3 文种识别系统与结构 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 多文种文本文档图像的特征提取 | 第26-36页 |
| 3.1 HSV特征 | 第26-29页 |
| 3.2 Tamura特征 | 第29-30页 |
| 3.3 纹理特征提取 | 第30-32页 |
| 3.4 Hu不变矩特征提取 | 第32-34页 |
| 3.5 加权融合的纹理特征 | 第34-35页 |
| 3.6 多特征融合及算法实现 | 第35页 |
| 3.7 本章小结 | 第35-36页 |
| 第四章 分类器及其实现 | 第36-41页 |
| 4.1 K最近邻（K-NN）分类器 | 第36-37页 |
| 4.2 判别分析分类器 | 第37-38页 |
| 4.3 BP分类器及其实现 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 实验结果与分析 | 第41-57页 |
| 5.1 系统性能评价指标与实验环境 | 第41页 |
| 5.2 HSV特征的实验结果与分析 | 第41-43页 |
| 5.3 Tamura特征实验结果与分析 | 第43-44页 |
| 5.4 Hu不变矩特征实验结果与分析 | 第44-45页 |
| 5.5 纹理特征实验结果与分析 | 第45页 |
| 5.6 加权融合纹理特征实验结果 | 第45-50页 |
| 5.6.1 分析特征参数值灵敏度 | 第46-47页 |
| 5.6.2 分析不同权值对识别率的影响 | 第47页 |
| 5.6.3 六个特征参数值在最佳权值下的实验结果 | 第47-48页 |
| 5.6.4 相似文种的识别结果与分析 | 第48-50页 |
| 5.7 多特征融合特征实验结果与分析 | 第50-53页 |
| 5.7.1 融合Hu不变矩+纹理特征实验结果 | 第50-51页 |
| 5.7.2 融合Hu不变矩+Tamura特征的识别结果 | 第51页 |
| 5.7.3 融合Tamura+纹理特征的实验结果与分析 | 第51-52页 |
| 5.7.4 三个特征融合的实验结果 | 第52-53页 |
| 5.8 错误率与标准差分析 | 第53-54页 |
| 5.9 本文算法有效性分析 | 第54-56页 |
| 5.10 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-60页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-68页 |
| 攻读硕士期间发表论文和参加科研情况 | 第68-69页 |
| 致谢 | 第69-70页 |