基于计算机视觉的原笔迹提取与汉字识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状及趋势 | 第11-13页 |
| 1.3 本文的研究内容和章节安排 | 第13-15页 |
| 第二章 系统总体设计 | 第15-21页 |
| 2.1 系统硬件构架 | 第15页 |
| 2.2 系统工作流程 | 第15-16页 |
| 2.3 软件开发平台 | 第16-18页 |
| 2.3.1 开发环境概述 | 第16-17页 |
| 2.3.2 OpenCV | 第17-18页 |
| 2.4 系统功能设计 | 第18-21页 |
| 第三章 原笔迹提取与显示 | 第21-36页 |
| 3.1 原笔迹提取算法流程 | 第21页 |
| 3.2 基于肤色检测的笔迹初始定位 | 第21-24页 |
| 3.3 原笔迹提取算法 | 第24-31页 |
| 3.3.1 单帧图像疑似笔划区域分割 | 第25-27页 |
| 3.3.2 单帧图像疑似笔划像素点检测 | 第27-29页 |
| 3.3.3 基于帧差法和连通域分析的多帧去噪算法 | 第29-31页 |
| 3.4 原笔迹显示与存储 | 第31-32页 |
| 3.5 笔划特征提取 | 第32-36页 |
| 第四章 基于隐马尔可夫模型的手写汉字识别 | 第36-60页 |
| 4.1 手写汉字识别简介 | 第36-38页 |
| 4.2 隐马尔可夫模型的原理 | 第38-46页 |
| 4.2.1 HMM模型的基本思想 | 第39-41页 |
| 4.2.2 HMM模型的估值 | 第41-43页 |
| 4.2.3 HMM模型的学习训练 | 第43-45页 |
| 4.2.4 HMM模型的解码 | 第45-46页 |
| 4.3 基于隐马尔可夫模型的汉字识别算法流程 | 第46-48页 |
| 4.4 基于拐点检测的笔段提取算法 | 第48-52页 |
| 4.5 基于PCA和SVM的笔段识别算法 | 第52-56页 |
| 4.6 隐马尔可夫模型的训练和识别 | 第56-60页 |
| 第五章 实验分析 | 第60-67页 |
| 5.1 系统功能测试 | 第60-62页 |
| 5.2 原笔迹显示实验 | 第62-65页 |
| 5.3 手写汉字识别实验 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间论文发表情况 | 第73-74页 |
| 致谢 | 第74页 |
