纸币图像特征识别技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·纸币清分机概述 | 第11-13页 |
| ·纸币清分机发展状况及趋势 | 第11-12页 |
| ·纸币清分系统的结构 | 第12-13页 |
| ·纸币清分机功能 | 第13页 |
| ·纸币图像识别技术概述 | 第13-15页 |
| ·图像识别技术概述 | 第13-14页 |
| ·纸币图像识别技术 | 第14-15页 |
| ·国内外纸币图像识别算法现状 | 第15-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第2章 纸币图像的预处理 | 第18-31页 |
| ·纸币图像的噪声处理 | 第18-20页 |
| ·噪声模型 | 第18页 |
| ·中值滤波 | 第18-20页 |
| ·纸币图像的边缘检测与定位 | 第20-27页 |
| ·常用的边缘检测算法 | 第21-23页 |
| ·两次直线拟合法 | 第23-27页 |
| ·纸币图像的旋转校正 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 纸币图像的面额识别 | 第31-36页 |
| ·特征块识别法 | 第31-32页 |
| ·尺寸识别法 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 纸币图像的面向识别 | 第36-44页 |
| ·传统识别方法 | 第36页 |
| ·SOFM 神经网络面向识别方法 | 第36-43页 |
| ·人工神经网络概述 | 第36-37页 |
| ·自组织映射(SOFM)神经网络概述 | 第37-39页 |
| ·SOFM 神经网络面向识别方法的改进 | 第39-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 纸币图像的残缺识别 | 第44-49页 |
| ·灰度值匹配法 | 第44页 |
| ·基于形态学滤波的纸币图像残缺识别方法 | 第44-48页 |
| ·算法的提出 | 第44-45页 |
| ·算法的实现 | 第45-48页 |
| ·实验结果 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第6章 纸币图像的新旧程度识别 | 第49-54页 |
| ·传统新旧识别方法 | 第49-50页 |
| ·第五版纸币新旧程度识别方法 | 第50-52页 |
| ·实验结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
