基于OCR技术的通用证件识别系统
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 OCR概述 | 第11-12页 |
| 1.2.2 证件识别的发展 | 第12-13页 |
| 1.3 研究内容 | 第13-15页 |
| 1.4 内容安排 | 第15-16页 |
| 第2章 图像预处理 | 第16-33页 |
| 2.1 灰度化 | 第17-19页 |
| 2.2 去噪 | 第19-22页 |
| 2.2.1 均值滤波 | 第19-20页 |
| 2.2.2 高斯平滑 | 第20-21页 |
| 2.2.3 中值滤波 | 第21-22页 |
| 2.2.4 自适应中值滤波 | 第22页 |
| 2.3 二值化 | 第22-28页 |
| 2.3.1 全局二值化 | 第23-24页 |
| 2.3.2 局部二值化方法 | 第24-25页 |
| 2.3.3 逐点法 | 第25-28页 |
| 2.4 倾斜校正 | 第28-32页 |
| 2.4.1 投影法 | 第28-29页 |
| 2.4.2 近邻法 | 第29页 |
| 2.4.3 Hough变换 | 第29-30页 |
| 2.4.4 Radon变换 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 版面分析 | 第33-51页 |
| 3.1 版面分析基础 | 第33-34页 |
| 3.2 版面分析的方法 | 第34-37页 |
| 3.2.1 基于膨胀运算版面分析 | 第34-35页 |
| 3.2.2 基于先验知识的版面分析 | 第35-37页 |
| 3.3 通用模板 | 第37-50页 |
| 3.3.1 类型判断 | 第38-42页 |
| 3.3.2 属性判断 | 第42-45页 |
| 3.3.3 连通区域提取 | 第45-49页 |
| 3.3.4 字符分割 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 OCR引擎 | 第51-64页 |
| 4.1 算法介绍 | 第51-56页 |
| 4.1.1 设计特征 | 第51-52页 |
| 4.1.2 设计分类器 | 第52-54页 |
| 4.1.3 深度学习 | 第54-56页 |
| 4.2 局部调节卷积神经网络 | 第56-59页 |
| 4.2.1 局部调节卷积神经网络 | 第56-57页 |
| 4.2.2 局部调节卷积神经网络的算法原理 | 第57-59页 |
| 4.3 深度模型 | 第59-63页 |
| 4.3.1 确定网络 | 第60-62页 |
| 4.3.2 训练网络 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 实验与分析 | 第64-72页 |
| 5.1 许可证识别 | 第64-69页 |
| 5.1.1 实验 | 第64-68页 |
| 5.1.2 分析 | 第68-69页 |
| 5.2 身份证识别 | 第69-71页 |
| 5.2.1 实验 | 第69-70页 |
| 5.2.2 分析 | 第70-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间的研究成果 | 第79页 |
