| 1 绪论 | 第1-14页 |
| ·选题背景及研究意义 | 第9-10页 |
| ·人民币识别系统技术的发展及其分类 | 第10-12页 |
| ·人民币识别系统问题的描述 | 第10-11页 |
| ·人民币识别系统技术的分类 | 第11-12页 |
| ·课题的主要内容 | 第12-13页 |
| ·基于遗传算法和BP神经网络的货币识别算法流程图 | 第13-14页 |
| 2 人民币图像显性特征分析及特征提取 | 第14-26页 |
| ·人民币图像显性特征分析 | 第14-16页 |
| ·人民币图像显性特征中的背景噪声去除 | 第16-20页 |
| ·图像去噪基本原理 | 第16-17页 |
| ·灰度线性变换的原理及设计 | 第17-18页 |
| ·灰度线性变换去除人民币图像显性特征中的噪声 | 第18-20页 |
| ·人民币图像主要显性特征提取 | 第20-23页 |
| ·人民币图像显性特征提取基本算法 | 第20-22页 |
| ·基于统计学的人民币图像显性特征提取算法 | 第22-23页 |
| ·将处理后的人民币图像显性特征转化为空间向量 | 第23-26页 |
| ·转化方法基本思想 | 第23-24页 |
| ·空间向量归一化思想 | 第24-25页 |
| ·部分优化转化方法 | 第25-26页 |
| 3 基于神经网络的人民币图像识别算法研究 | 第26-41页 |
| ·神经网络系统介绍 | 第27-31页 |
| ·神经元 | 第27-28页 |
| ·神经网络结构及功能 | 第28-30页 |
| ·神经网络信息处理的数学过程 | 第30-31页 |
| ·反向传播BP模型 | 第31-37页 |
| ·BP算法的数学描述 | 第33-35页 |
| ·BP网络模型的缺陷分析及优化策略 | 第35-36页 |
| ·试验确定的BP网络参数 | 第36-37页 |
| ·基于神经网络的货币识别 | 第37-38页 |
| ·神经网络结构的选择 | 第37-38页 |
| ·神经网络参数的选择 | 第38页 |
| ·实验结果分析 | 第38-41页 |
| 4 基于遗传算法和神经网络的人民币图像识别算法研究 | 第41-57页 |
| ·遗传算法 | 第42-51页 |
| ·遗传算法的基本概念 | 第42-44页 |
| ·遗传算法的应用 | 第44-45页 |
| ·遗传算法的原理 | 第45-47页 |
| ·遗传算法的步骤和意义 | 第47-50页 |
| ·遗传算法的应用关键 | 第50-51页 |
| ·用随机掩码和遗传算法对图像特征向量进行优化选取 | 第51-54页 |
| ·基于神经网络的分类识别 | 第54-55页 |
| ·神经网络结构的选择 | 第54-55页 |
| ·神经网络参数的选择 | 第55页 |
| ·实验结果及讨论 | 第55-56页 |
| ·人民币图像识别软件系统介绍 | 第56-57页 |
| 5 结论与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |