| 第一章 引言 | 第1-15页 |
| 1．1 研究汉字识别的目的和意义 | 第9-10页 |
| 1．2 汉字识别的发展 | 第10-11页 |
| 1．3 目前汉字识别中存在的问题 | 第11-12页 |
| 1．4 论文背景和研究的主要内容 | 第12-14页 |
| 1．4．1 论文背景 | 第12页 |
| 1．4．2 研究的主要内容 | 第12-14页 |
| 1．5 本文的内容安排 | 第14-15页 |
| 第二章 汉字识别的方法 | 第15-20页 |
| 2．1 汉字识别的原理 | 第15页 |
| 2．2 汉字识别的方法 | 第15-18页 |
| 2．2．1 结构模式识别 | 第16页 |
| 2．2．2 统计模式识别 | 第16-18页 |
| 2．2．3 人工神经网络 | 第18页 |
| 2．2．4 结构模式识别与统计模式识别的结合 | 第18页 |
| 2．3 小结 | 第18-20页 |
| 第三章 汉字识别中的图像预处理 | 第20-29页 |
| 3．1 汉字图像的二值化 | 第20-22页 |
| 3．1．1 阈值法基本原理 | 第20-21页 |
| 3．1．2 二次定值法 | 第21页 |
| 3．1．3 实验结果 | 第21-22页 |
| 3．2 汉字图像的平滑去噪 | 第22-24页 |
| 3．2．1 邻域平均法原理 | 第22-23页 |
| 3．2．2 邻域平均法的改进 | 第23-24页 |
| 3．2．3 实验结果 | 第24页 |
| 3．3 二值化图像的细化 | 第24-26页 |
| 3．3．1 数学形态学 | 第24页 |
| 3．3．2 骨架的提取算法 | 第24-26页 |
| 3．4 汉字图像的归一化 | 第26-28页 |
| 3．4．1 基于边框的归一化 | 第26-27页 |
| 3．4．2 基于质心的归一化 | 第27-28页 |
| 3．5 小结 | 第28-29页 |
| 第四章 汉字识别中的分类算法 | 第29-34页 |
| 4．1 汉字识别的粗分类算法 | 第29-30页 |
| 4．1．1 基于网格的粗分类算法 | 第29-30页 |
| 4．1．2 基于外围特征的粗分类算法 | 第30页 |
| 4．2 汉字识别的细分类算法 | 第30-33页 |
| 4．2．1 汉字的特征点 | 第30-32页 |
| 4．2．2 特征点提取算法 | 第32-33页 |
| 4．3 小结 | 第33-34页 |
| 第五章 模式——向量转化和转化程度函数在汉字识别中的应用 | 第34-56页 |
| 5．1 属性论方法的基本观点和基本原理 | 第34-35页 |
| 5．2 属性量——质(转化)定性映射 | 第35-50页 |
| 5．2．1 定性基准的w_内积变换与人工神经元 | 第39-42页 |
| 5．2．2 模式识别中的模式——向量转化 | 第42-46页 |
| 5．2．3 定性映射和特征函数 | 第46-47页 |
| 5．2．4 量——质转化程度函数 | 第47-50页 |
| 5．3 结构变换与形象模式生成或“涌现” | 第50-52页 |
| 5．3．1 结构变换 | 第50-51页 |
| 5．3．2 形象模式生成和涌现 | 第51-52页 |
| 5．4 距离公式和相似度函数的选择 | 第52-53页 |
| 5．5 属性论方法在汉字识别中的实现 | 第53-55页 |
| 5．6 小结 | 第55-56页 |
| 第六章 汉字识别系统的实现 | 第56-65页 |
| 6．1 汉字识别系统的流程图 | 第56-57页 |
| 6．2 样本库与字典 | 第57页 |
| 6．3 算法详解 | 第57-61页 |
| 6．3．1 特征向量中各分量的误差半径 | 第57-59页 |
| 6．3．2 标准记忆库模式 | 第59页 |
| 6．3．3 相似度的计算 | 第59-61页 |
| 6．4 主要数据结构 | 第61-62页 |
| 6．5 程序开发平台 | 第62页 |
| 6．6 实验结果 | 第62-63页 |
| 6．7 小结 | 第63-65页 |
| 结束语 | 第65-67页 |
| 发表文章 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |