人民币冠字符号的快速识别
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1. 课题研究的背景和意义 | 第9-10页 |
| 1.2. 国内外研究现状 | 第10-12页 |
| 1.3. 纸币冠字符号识别的相关原理 | 第12-13页 |
| 1.3.1. 图像数字化技术 | 第12页 |
| 1.3.2. 字符识别的基本原理 | 第12-13页 |
| 1.4. 论文的主要研究内容及结构 | 第13-14页 |
| 1.5. 本章小结 | 第14-15页 |
| 第2章 人民币图像鉴别系统简介 | 第15-23页 |
| 2.1. 硬件部分 | 第15-18页 |
| 2.1.1. 系统硬件示意图 | 第15-16页 |
| 2.1.2. 系统各部件介绍 | 第16-18页 |
| 2.2. 软件部分 | 第18-22页 |
| 2.2.1. 数据流的编程 | 第19-21页 |
| 2.2.2. 数据处理算法的编程 | 第21-22页 |
| 2.3. 本章小结 | 第22-23页 |
| 第3章 冠字符号的定位 | 第23-34页 |
| 3.1. 图像数据采集 | 第23-24页 |
| 3.2. 图像的粗定位 | 第24-26页 |
| 3.3. 纸币图像的分类 | 第26-29页 |
| 3.4. 待识别区域的定位与校正 | 第29-33页 |
| 3.5. 本章小结 | 第33-34页 |
| 第4章 图像增强和分割 | 第34-50页 |
| 4.1. 图像增强 | 第34-39页 |
| 4.1.1. 灰度变换 | 第34-36页 |
| 4.1.2. 同态滤波器 | 第36-38页 |
| 4.1.3. 图像去噪 | 第38-39页 |
| 4.2. 图像分割 | 第39-48页 |
| 4.2.1. 灰阶分割 | 第39-44页 |
| 1. OTSU方法 | 第39-40页 |
| 2. Bersen算法 | 第40-41页 |
| 3. 移动平均法 | 第41-42页 |
| 4. 算法比较实验 | 第42-44页 |
| 4.2.2. 字符分割 | 第44-46页 |
| 4.2.3. 本文混合算法 | 第46-48页 |
| 4.3. 本章小结 | 第48-50页 |
| 第5章 字符识别 | 第50-68页 |
| 5.1. 纸币字符识别的特点 | 第50-51页 |
| 5.2. 字符识别方法概述 | 第51-54页 |
| 5.2.1. 特征提取的方法 | 第51-52页 |
| 1. 基于局部特征的特征提取 | 第51页 |
| 2. 基于全局特征的特征提取 | 第51-52页 |
| 3. 基于结构特征的特征提取 | 第52页 |
| 5.2.2. 分类问题 | 第52-54页 |
| 1. 模板匹配分类器 | 第52页 |
| 2. 最小距离分类器 | 第52-53页 |
| 3. 神经网络分类器 | 第53-54页 |
| 4. 支持向量机 | 第54页 |
| 5.3. 基于结构特征的字符识别方法 | 第54-60页 |
| 5.3.1. 字符的结构特征 | 第54-56页 |
| 1. 横笔画特征 | 第55页 |
| 2. 竖笔画特征 | 第55-56页 |
| 3. 水平穿线交点个数 | 第56页 |
| 4. 垂直穿线交点个数 | 第56页 |
| 5. 开口特征 | 第56页 |
| 5.3.2. 字符分类问题 | 第56-60页 |
| 5.4. 相似字符区分器 | 第60-63页 |
| 5.5. 实验及结果 | 第63-67页 |
| 5.5.1. 仿真实验 | 第63-66页 |
| 5.5.2. 基于DM6437平台的性能测试 | 第66-67页 |
| 5.6. 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1. 本文工作总结 | 第68-69页 |
| 6.2. 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间科研成果 | 第75-76页 |
