| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景与意义 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·光学手写数字字符识别技术发展历程与趋势 | 第9页 |
| ·研究内容,及结构安排 | 第9-11页 |
| 第二章 图像预处理 | 第11-20页 |
| ·彩色图像二值化 | 第11-14页 |
| ·RGB颜色模型与HSV颜色模型概述 | 第11-12页 |
| ·彩色图像二值化理论基础 | 第12-13页 |
| ·利用RGB与HSV颜色模型二值化实验分析 | 第13-14页 |
| ·字符分割 | 第14-18页 |
| ·未粘连字符分割 | 第14-15页 |
| ·贴连字符的分割 | 第15-18页 |
| ·字符图像大小归一化 | 第18-19页 |
| ·图像缩放 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 字符图像的特征提取 | 第20-32页 |
| ·字符图像的细化(骨架特征提取) | 第20-23页 |
| ·zhang并行快速细化算法 | 第20-21页 |
| ·算法流程及实验结果 | 第21-23页 |
| ·图像的边缘特征提取 | 第23-26页 |
| ·基于梯度法的边缘检测 | 第23-24页 |
| ·基于拉普拉斯算子的边缘检测法 | 第24页 |
| ·基于形态学的边界跟踪算法 | 第24-26页 |
| ·儿种边界检测算法在本课题中的实验比较 | 第26页 |
| ·基于对数极坐标变换的形状上下文特征描述 | 第26-28页 |
| ·对数极坐标变换原理 | 第26-28页 |
| ·对数级坐标变换描述特征 | 第28页 |
| ·图像横纵向的投影累加值的特征描述 | 第28-29页 |
| ·骨架特征与轮廓特征的比较 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 遗传优化误差逆传播人工神经网络 | 第32-43页 |
| ·误差逆传播人工神经网络 | 第32-38页 |
| ·人工神经元的结构 | 第32-33页 |
| ·人工神经元的激活函数 | 第33页 |
| ·人工神经网络的学习规则 | 第33-34页 |
| ·BP人工神经网络的拓朴结构及算法流程 | 第34-36页 |
| ·BP人工神经网络的特点及改进算法 | 第36-38页 |
| ·遗传算法原理 | 第38-41页 |
| ·遗传算法理论 | 第39-41页 |
| ·遗传算法的特点及算法的流程 | 第41页 |
| ·遗传优化BP人工神经网络 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 支持向量机算法 | 第43-50页 |
| ·线性SVM基本原理 | 第43-45页 |
| ·非线性SVM原理 | 第45-48页 |
| ·支持向量机的多类分类问题 | 第48-49页 |
| ·“一对多”方法 | 第48页 |
| ·“一对一”方法 | 第48页 |
| ·有向无环图方法(Directed Acyclic Graph,简称DAG) | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 人工神经网络的设计及实验结果分析 | 第50-56页 |
| ·GA-BP人工神经网络的设计 | 第50-53页 |
| ·BP人工神经网络部份 | 第50-52页 |
| ·遗传优化算法部份的设计 | 第52-53页 |
| ·支持向量机识别算法的设计 | 第53-54页 |
| ·实验数据分析 | 第54-55页 |
| ·本文结论 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第七章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |