脱机手写体汉字识别研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 目录 | 第6-8页 |
| 第一章、绪论 | 第8-16页 |
| 一、研究脱机手写体汉字识别的目的及意义 | 第8-10页 |
| 1．1 问题的提出 | 第8-10页 |
| 1．2 研究目的及意义 | 第10页 |
| 二、脱机手写体汉字识别的问题和困难 | 第10-12页 |
| 三、脱机汉字识别技术研究现状及发展趋势 | 第12-14页 |
| 四、论文研究的主要内容和取得的成果 | 第14-16页 |
| 4．1 论文研究的主要内容其组织结构 | 第14页 |
| 4．2 取得的成果 | 第14-16页 |
| 第二章、脱机手写体汉字识别的原理与方法 | 第16-24页 |
| 一、脱机手写体汉字识别的原理 | 第16-17页 |
| 二、汉字识别方法概述 | 第17-23页 |
| 2．1 统计决策方法 | 第18-20页 |
| 2．2 句法方法 | 第20-23页 |
| 2．3 其他方法 | 第23页 |
| 三、小结 | 第23-24页 |
| 第三章、汉字图像预处理 | 第24-35页 |
| 一、平滑去噪处理 | 第24-26页 |
| 1．1 中值滤波去噪 | 第24-25页 |
| 1．2 均值滤波去噪 | 第25-26页 |
| 二、二值化处理 | 第26-27页 |
| 2．1 整体阈值二值化 | 第26-27页 |
| 2．2 局部阈值二值化 | 第27页 |
| 2．3 动态阈值二值化 | 第27页 |
| 三、二值图像细化处理 | 第27-29页 |
| 3．1 Hilditch细化算法 | 第28-29页 |
| 四、汉字图像归一化 | 第29-30页 |
| 4．1 位置归一化 | 第29页 |
| 4．2 大小归一化 | 第29-30页 |
| 五、小结 | 第30-35页 |
| 第四章、手写体汉字的分类识别 | 第35-40页 |
| 一、汉字识别的粗分类算法 | 第35-37页 |
| 1．1 投影-变换系数法 | 第35-37页 |
| 二、汉字识别的细分类算法 | 第37-39页 |
| 2．1 基于笔划密度特征的分类算法 | 第37-39页 |
| 三、小结 | 第39-40页 |
| 第五章、神经网络在汉字识别中的应用 | 第40-54页 |
| 一、人工神经网络 | 第40-41页 |
| 1．1 人工神经网络原理 | 第40页 |
| 1．2 人工神经网络在手写体汉字识别中的应用 | 第40-41页 |
| 二、BP算法 | 第41-52页 |
| 2．1 BP算法的原理 | 第41-43页 |
| 2．2 神经网络 BP学习算法的实现 | 第43-45页 |
| 2．3 BP神经网络结构的设计 | 第45-46页 |
| 2．4 神经网络 BP算法的改进 | 第46-50页 |
| 2．5 神经网络的学习和训练 | 第50-52页 |
| 三、小结 | 第52-54页 |
| 第六章 常用脱机手写体汉字识别系统方案设计 | 第54-60页 |
| 一、常用脱机手写体汉字识别系统总体设计 | 第54页 |
| 二、数据库设计 | 第54-56页 |
| 2．1 手写体汉字特征库的建立 | 第54-56页 |
| 2．2 数据库的建立 | 第56页 |
| 三、前台图像处理模块分析 | 第56-59页 |
| 3．1 图像处理程序方案图 | 第56-57页 |
| 3．2 预处理及汉字识别模块分析 | 第57页 |
| 3．3 识别策略 | 第57-59页 |
| 四、小结 | 第59-60页 |
| 结语 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 谢辞 | 第63页 |
