面向数字资源聚合平台的光学字符识别技术的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 论文研究目标与内容 | 第12-14页 |
| 第二章 光学字符识别系统相关技术 | 第14-28页 |
| 2.1 数字图像的基本知识 | 第14-15页 |
| 2.2 图像预处理 | 第15-22页 |
| 2.2.1 灰度化 | 第15-16页 |
| 2.2.2 文本定位 | 第16-17页 |
| 2.2.3 去噪 | 第17-18页 |
| 2.2.4 二值化 | 第18-19页 |
| 2.2.5 倾斜检测 | 第19页 |
| 2.2.6 字符分割 | 第19-22页 |
| 2.3 字符分类器 | 第22-26页 |
| 2.3.1 深度学习概述 | 第22-23页 |
| 2.3.2 基于神经元的机器学习 | 第23页 |
| 2.3.3 浅层学习和深度学习 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 光学字符识别系统总体设计 | 第28-39页 |
| 3.1 数字资源聚合平台的背景 | 第28-30页 |
| 3.2 光学字符识别 | 第30-34页 |
| 3.2.1 光学字符识别的商业系统 | 第30-31页 |
| 3.2.2 光学字符识别系统的应用场景 | 第31-32页 |
| 3.2.3 低成像质量纸质资源的文本特征 | 第32-34页 |
| 3.3 光学字符识别总体设计 | 第34-38页 |
| 3.3.1 系统流程 | 第34-36页 |
| 3.3.2 主要功能 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 光学字符识别系统的设计与实现 | 第39-63页 |
| 4.1 图像预处理模块 | 第39-47页 |
| 4.1.1 图像预处理模块的数据模型 | 第39-40页 |
| 4.1.2 基于Mic角点检测的文本定位 | 第40-43页 |
| 4.1.3 基于形态学的图像去噪 | 第43-45页 |
| 4.1.4 基于霍夫变换的倾斜检测 | 第45-47页 |
| 4.2 字符分类器模块 | 第47-62页 |
| 4.2.1 分类器的输入数据 | 第47-49页 |
| 4.2.2 数据模型 | 第49-51页 |
| 4.2.3 分类器实现 | 第51-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第五章 系统测试与应用 | 第63-76页 |
| 5.1 测试环境 | 第63页 |
| 5.2 测试步骤 | 第63-65页 |
| 5.3 系统测试 | 第65-72页 |
| 5.3.1 测试一：确定网络模型参数 | 第65-69页 |
| 5.3.2 测试二：无图像预处理测试 | 第69-70页 |
| 5.3.3 测试三：鲁棒性测试 | 第70-72页 |
| 5.4 系统应用 | 第72-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间取得的成果 | 第82-83页 |
