纸币面向识别算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 绪论 | 第9-14页 |
| ·课题来源及背景 | 第9-10页 |
| ·纸币图像识别的国内外研究现状 | 第10-12页 |
| ·纸币识别技术概述 | 第10页 |
| ·国内外纸币识别技术研究现状 | 第10-12页 |
| ·论文主要研究内容及章节安排 | 第12-14页 |
| 2. 纸币图像的采集和预处理 | 第14-29页 |
| ·图像的采集系统 | 第14-18页 |
| ·纸币清分系统 | 第14-15页 |
| ·采集系统硬件平台 | 第15-18页 |
| ·图像的预处理 | 第18-29页 |
| ·图像的去噪 | 第19-20页 |
| ·图像的自动配光 | 第20-22页 |
| ·图像的边缘定位 | 第22-26页 |
| ·图像的倾斜校正 | 第26-29页 |
| 3. 纸币图像的特征提取 | 第29-39页 |
| ·模式识别 | 第29-30页 |
| ·特征提取和特征选择 | 第30-31页 |
| ·特征提取方法 | 第31-36页 |
| ·宽度特征 | 第31-32页 |
| ·自由掩膜 | 第32页 |
| ·网格特征提取 | 第32-36页 |
| ·纸币面额识别 | 第36-37页 |
| ·尺寸识别方法简介 | 第36页 |
| ·面值识别算法的实现 | 第36-37页 |
| ·面额识别实验结果 | 第37页 |
| ·本章小结 | 第37-39页 |
| 4. 纸币面向识别算法 | 第39-63页 |
| ·传统的面向识别算法 | 第39-42页 |
| ·提取特征区域 | 第39-40页 |
| ·面向识别方法 | 第40-41页 |
| ·实验结果及分析 | 第41-42页 |
| ·基于 BP 神经网络的面向识别算法 | 第42-53页 |
| ·人工神经网络概述 | 第42-45页 |
| ·BP 神经网络 | 第45-49页 |
| ·基于 BP 网络的纸币面向识别的设计 | 第49-51页 |
| ·BP 网络的仿真实现 | 第51-53页 |
| ·基于模板匹配的面向识别算法 | 第53-61页 |
| ·图像匹配的一般流程 | 第54页 |
| ·几种基于灰度的匹配算法 | 第54-57页 |
| ·模板匹配的算法改进 | 第57-60页 |
| ·纸币面向的模板匹配方法实现 | 第60-61页 |
| ·模板匹配测试结果及分析 | 第61页 |
| ·面向识别算法的比较 | 第61-63页 |
| 5. 结论与展望 | 第63-65页 |
| ·结论 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70-71页 |
