简牍文字提取与识别研究
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 数字图像处理技术研究现状 | 第11-13页 |
| 1.3.2 文字识别技术研究现状 | 第13-14页 |
| 1.3.3 分类器识别概述 | 第14-16页 |
| 1.4 本文研究内容 | 第16页 |
| 1.5 论文的基本框架 | 第16-18页 |
| 2 简牍图像预处理 | 第18-30页 |
| 2.1 简牍图像灰度化、二值化 | 第18-19页 |
| 2.2 简牍图像去噪 | 第19-24页 |
| 2.2.1 中值滤波 | 第20页 |
| 2.2.2 新的自适应加权中值滤波引言 | 第20-21页 |
| 2.2.3 新的自适应加权中值滤波算法步骤 | 第21-22页 |
| 2.2.4 算法分析 | 第22-24页 |
| 2.3 细化以及反色 | 第24-26页 |
| 2.3.1 简牍图像细化 | 第24-25页 |
| 2.3.2 简牍图像反色处理 | 第25-26页 |
| 2.4 归一化 | 第26-29页 |
| 2.5 小结 | 第29-30页 |
| 3 基于结构与统计的多特征融合方法研究 | 第30-35页 |
| 3.1 简牍图像特征提取的目的 | 第30-31页 |
| 3.2 特征提取的常用方法 | 第31页 |
| 3.2.1 统计特征提取方法 | 第31页 |
| 3.2.2 结构特征提取方法 | 第31页 |
| 3.3 基于结构与统计的多特征融合 | 第31-34页 |
| 3.3.1 部件结构特征 | 第31-32页 |
| 3.3.2 整体广义密度特征 | 第32页 |
| 3.3.3 双弹性网格特征 | 第32-33页 |
| 3.3.4 局部点密度特征 | 第33页 |
| 3.3.5 多特征融合 | 第33-34页 |
| 3.4 小结 | 第34-35页 |
| 4 基于BP神经网络简牍文字识别 | 第35-44页 |
| 4.1 BP神经网络结构与原理 | 第35-37页 |
| 4.2 BP神经网络的改进 | 第37-40页 |
| 4.2.1 BP神经网络的优点 | 第37页 |
| 4.2.2 BP神经网络的缺点 | 第37-38页 |
| 4.2.3 附加动量项 | 第38页 |
| 4.2.4 自适应调整学习速率 | 第38-39页 |
| 4.2.5 BP神经网络学习过程算法 | 第39-40页 |
| 4.3 实验结果与分析 | 第40-43页 |
| 4.4 小结 | 第43-44页 |
| 5 总结与展望 | 第44-45页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-45页 |
| 6 参考文献 | 第45-48页 |
| 致谢 | 第48页 |
