一种DOM与图像工程相结合的智能阅卷系统
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 课题工作介绍与网上阅卷系统流程 | 第14-16页 |
| 1.3.1 网上阅卷系统存在的问题 | 第14-15页 |
| 1.3.2 课题研究内容 | 第15-16页 |
| 1.3.3 研究目标 | 第16页 |
| 1.4 论文的组织结构 | 第16-19页 |
| 第二章 智能阅卷系统的相关技术和工作流程 | 第19-29页 |
| 2.1 XML技术 | 第19-22页 |
| 2.1.1 XML简介 | 第19-20页 |
| 2.1.2 XML数据描述 | 第20页 |
| 2.1.3 XML解析 | 第20-22页 |
| 2.2 系统的需求分析 | 第22-23页 |
| 2.3 智能阅卷系统的构建流程 | 第23-28页 |
| 2.3.1 阅卷系统的分层结构图 | 第23-24页 |
| 2.3.2 智能阅卷系统的需求建模 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 图像预处理相关技术 | 第29-49页 |
| 3.1 图像工程概述 | 第29-30页 |
| 3.2 答卷图像的采集与存储 | 第30-32页 |
| 3.2.1 扫描仪的工作原理和分辨率介绍 | 第30-31页 |
| 3.2.2 图像存储格式 | 第31-32页 |
| 3.3 试卷图像的灰度拉伸 | 第32-34页 |
| 3.4 试卷图像的去噪 | 第34-36页 |
| 3.4.1 中值滤波 | 第34-35页 |
| 3.4.2 均值滤波 | 第35-36页 |
| 3.5 基于梯度关联度的自适应图像均方根滤波算法 | 第36-40页 |
| 3.5.1 灰色关联度理论 | 第36-37页 |
| 3.5.2 通过ATMF求均值 | 第37页 |
| 3.5.3 自适应噪声判断 | 第37页 |
| 3.5.4 基于梯度关联度的滤波算法 | 第37-40页 |
| 3.6 试卷图像二值化处理 | 第40-42页 |
| 3.7 试卷图像的倾斜校正 | 第42-48页 |
| 3.8 本章小结 | 第48-49页 |
| 第四章 试卷版面分割与识别 | 第49-61页 |
| 4.1 试卷版面描述模型 | 第49-56页 |
| 4.1.1 试题概念模式 | 第50页 |
| 4.1.2 模板文件的Schema模式 | 第50-54页 |
| 4.1.3 阅卷信息描述文件的XML实例 | 第54-56页 |
| 4.2 坐标变换 | 第56-57页 |
| 4.3 模板图像校对 | 第57-58页 |
| 4.4 选项信息识别 | 第58-60页 |
| 4.4.1 基于比例特征值的选项识别方法 | 第59页 |
| 4.4.2 阈值T的确定 | 第59页 |
| 4.4.3 降低误识率技术 | 第59-60页 |
| 4.5 本章总结 | 第60-61页 |
| 第五章 智能阅卷系统实现与测试 | 第61-69页 |
| 5.1 开发工具及相关技术介绍 | 第61-63页 |
| 5.1.1 VS2008平台简介 | 第61页 |
| 5.1.2 OpenCV简介 | 第61-63页 |
| 5.2 系统的设计方案 | 第63-64页 |
| 5.3 系统实现和性能测试 | 第64-68页 |
| 5.3.1 系统实现 | 第64-68页 |
| 5.3.2 性能测试 | 第68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 论文总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士期间发表的学术论文 | 第77页 |
