基于手写体数字识别的信息录入与处理系统
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第1章 绪论 | 第13-16页 |
| ·研究背景 | 第13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的工作 | 第14-16页 |
| 第2章 研究基础 | 第16-27页 |
| ·手写体数字识别研究 | 第16-17页 |
| ·手写体数字识别简介 | 第16页 |
| ·手写体数字识别系统性能的评价方法 | 第16-17页 |
| ·手写体识别的技术难点 | 第17页 |
| ·神经网络研究 | 第17-24页 |
| ·神经网络简介 | 第17-18页 |
| ·神经网络的发展史 | 第18-19页 |
| ·神经网络的应用 | 第19页 |
| ·BP网络 | 第19-24页 |
| ·BP网络的学习过程 | 第20-22页 |
| ·BP算法的优、缺点 | 第22-23页 |
| ·BP网络的应用 | 第23页 |
| ·BP网络的设计思路 | 第23-24页 |
| ·图像采集与图像处理 | 第24-27页 |
| ·图像采集 | 第24页 |
| ·TWAIN接口标准协议 | 第24-25页 |
| ·图像处理 | 第25-27页 |
| 第3章 系统设计 | 第27-31页 |
| ·样本采集 | 第27-28页 |
| ·图像获取 | 第28页 |
| ·图像预处理 | 第28-29页 |
| ·二值化 | 第28页 |
| ·纠偏 | 第28页 |
| ·去噪声 | 第28-29页 |
| ·定位分割 | 第29页 |
| ·细化 | 第29页 |
| ·尺寸归一化 | 第29页 |
| ·样本生成 | 第29页 |
| ·神经网络训练 | 第29-30页 |
| ·数字识别 | 第30页 |
| ·人机交互 | 第30-31页 |
| 第4章 系统实现 | 第31-48页 |
| ·样本采集与图像获取 | 第31-32页 |
| ·数字样本的采集 | 第31-32页 |
| ·图像的获取 | 第32页 |
| ·图像预处理 | 第32-37页 |
| ·二值化 | 第32-33页 |
| ·去噪声 | 第33页 |
| ·纠偏 | 第33-34页 |
| ·分割 | 第34-35页 |
| ·图像尺寸归一化 | 第35页 |
| ·细化 | 第35-37页 |
| ·样本生成 | 第37-38页 |
| ·生成初始样本 | 第37页 |
| ·样本处理 | 第37-38页 |
| ·神经网络训练 | 第38-40页 |
| ·样本集划分 | 第38页 |
| ·训练 | 第38-40页 |
| ·测试 | 第40页 |
| ·神经网络识别 | 第40-41页 |
| ·应用系统实现 | 第41-46页 |
| ·系统运行的软硬件环境 | 第42页 |
| ·图像扫描 | 第42-44页 |
| ·手写体数字识别 | 第44页 |
| ·拒识字符处理 | 第44-45页 |
| ·批量手写体数字校对 | 第45-46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 结论与展望 | 第48-49页 |
| ·结论 | 第48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 学位论文评阅及答辩情况表 | 第53页 |
