手写体数字识别方法的应用及研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 字符识别概述 | 第7-8页 |
| 1.2 研究意义以及应用前景 | 第8-10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.4 技术实现难点 | 第12-13页 |
| 1.5 系统概述 | 第13-15页 |
| 1.6 本文内容安排 | 第15-17页 |
| 第2章 手写体数字识别中预处理技术 | 第17-36页 |
| 2.1 平滑去噪 | 第17-20页 |
| 2.2 二值化 | 第20-28页 |
| 2.3 归一化 | 第28-32页 |
| 2.4 倾斜校正 | 第32-33页 |
| 2.5 细化 | 第33-36页 |
| 第3章 手写体数字识别中串切分技术 | 第36-42页 |
| 3.1 切分方法概述 | 第36-37页 |
| 3.2 手写字符图像中常用切分方法简介 | 第37-42页 |
| 3.2.1 投影法的直线切分 | 第37-39页 |
| 3.2.2 滴水算法 | 第39页 |
| 3.2.3 动态规划算法 | 第39-40页 |
| 3.2.4 多模具切分法 | 第40-42页 |
| 第4章 手写体字符识别中的特征值提取与分类 | 第42-57页 |
| 4.1 特征提取概述 | 第42-44页 |
| 4.2 手写体字符的特征提取方法 | 第44-46页 |
| 4.3 手写体数字识别中结构特征提取 | 第46-49页 |
| 4.3.1 结构点特征 | 第46-49页 |
| 4.3.2 穿越密度特征 | 第49页 |
| 4.3.3 投影特征 | 第49页 |
| 4.4 统计特征提取 | 第49-54页 |
| 4.4.1 重心矩特征 | 第50-51页 |
| 4.4.2 粗网格特征 | 第51页 |
| 4.4.3 水平、垂直投影特征 | 第51-52页 |
| 4.4.4 环凸凹特征 | 第52-53页 |
| 4.4.5 全局Kirsh边缘方向特征 | 第53-54页 |
| 4.5 人工神经网络分类器 | 第54-57页 |
| 4.5.1 人工神经网络概述 | 第54-55页 |
| 4.5.2 BP神经网络概述 | 第55-57页 |
| 第5章 算法设计与结果分析 | 第57-78页 |
| 5.1 系统环境与算法设计流程 | 第57-58页 |
| 5.1.1 系统实现环境 | 第57页 |
| 5.1.2 系统处理过程图 | 第57-58页 |
| 5.2 算法设计 | 第58-75页 |
| 5.2.1 手写数字预处理算法实现 | 第58-67页 |
| 5.2.2 手写数字串切分算法实现 | 第67-68页 |
| 5.2.3 手写数字特征值提取算法实现 | 第68-72页 |
| 5.2.4 神经网络分类器算法实现 | 第72-75页 |
| 5.3 结果分析 | 第75-78页 |
| 第6章 结束语 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 附录A：NIST样本库的文件结构 | 第82-83页 |
| 附录B：高斯滤波器Matlab程序源码 | 第83-84页 |
