动态文本识别系统的设计与实现
摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 模式识别的研究现状 | 第10-12页 |
1.1.1 模式识别的介绍 | 第10页 |
1.1.2 模式识别的应用 | 第10-12页 |
1.2 动态文本识别系统的构成及识别的难点 | 第12-13页 |
1.2.1 动态文本识别系统的构成 | 第12-13页 |
1.2.2 识别系统的难点 | 第13页 |
1.3 课题意义及现状 | 第13-14页 |
1.4 论文主要研究内容 | 第14-16页 |
第二章 字符图像的预处理 | 第16-32页 |
2.1 彩色图像灰度化 | 第16-18页 |
2.2 图像的降噪处理 | 第18-23页 |
2.2.1 图像噪声产生的原因 | 第18页 |
2.2.2 图像噪声的种类 | 第18-21页 |
2.2.3 降噪的处理方法 | 第21-23页 |
2.3 基于直方图均衡化改进算法的图像增强 | 第23-27页 |
2.3.1 传统的直方图均衡化 | 第24页 |
2.3.2 改进直方图均衡化方法 | 第24-27页 |
2.3.3 实验结果与分析 | 第27页 |
2.4 光照不均图像处理 | 第27-31页 |
2.4.1 光照不均的原因 | 第27-28页 |
2.4.2 本文光照不均的处理方法 | 第28-31页 |
2.5 文章小结 | 第31-32页 |
第三章 文本图像的目标定位 | 第32-41页 |
3.1 文本定位的常见方法 | 第32-33页 |
3.1.1 基于区域连通的方法 | 第32页 |
3.1.2 基于边缘检测的方法 | 第32页 |
3.1.3 基于纹理特征的方法 | 第32-33页 |
3.2 本文采用文本定位的方法 | 第33-39页 |
3.2.1 边缘检测 | 第33-34页 |
3.2.2 图像二值化 | 第34-35页 |
3.2.3 图像形态学处理 | 第35-38页 |
3.2.4 基于矩化运算的目标定位 | 第38-39页 |
3.3 本文的定位实验 | 第39-40页 |
3.4 本章小结 | 第40-41页 |
第四章 字符分割 | 第41-52页 |
4.1 图像的倾斜校正 | 第41-46页 |
4.1.1 常用图像倾斜校正的方法 | 第41-42页 |
4.1.2 本文采用的图像倾斜校正的方法 | 第42-46页 |
4.2 去除边框 | 第46-47页 |
4.3 文本单字符切分 | 第47-51页 |
4.3.1 常见的字符切分的种类 | 第47-48页 |
4.3.2 本文采用字符切分的方法 | 第48-50页 |
4.3.3 实验结果及分析 | 第50-51页 |
4.4 本章小结 | 第51-52页 |
第五章 字符识别 | 第52-62页 |
5.1 字符的特征提取 | 第52-55页 |
5.1.1 字符特征提取的方法 | 第52-53页 |
5.1.2 本文采用字符特征提取的方法 | 第53-55页 |
5.2 常用的字符识别种类 | 第55页 |
5.2.1 基于模板匹配法的字符识别 | 第55页 |
5.2.2 基于神经网络的字符识别 | 第55页 |
5.2.3 基于支持向量机(SVM)的字符识别 | 第55页 |
5.3 本文字符识别的方法 | 第55-60页 |
5.3.1 本文采用的模板匹配算法 | 第56-58页 |
5.3.2 本文采用的支持向量机(SVM) | 第58-60页 |
5.4 实验结果与分析 | 第60-61页 |
5.5 本章小结 | 第61-62页 |
第六章 字符识别系统的构成 | 第62-78页 |
6.1 图像采集系统 | 第62-67页 |
6.1.1 几种常见光源的比较 | 第62-63页 |
6.1.2 旋转采集装置的设计 | 第63-64页 |
6.1.3 摄像装置的选择 | 第64-67页 |
6.2 文本识别系统以及效果演示 | 第67-68页 |
6.2.1 硬件系统的建立 | 第67页 |
6.2.2 识别软件系统的建立 | 第67-68页 |
6.3 识别系统的演示过程 | 第68-77页 |
6.3.1 算法测试模块演示过程 | 第68-75页 |
6.3.2 文本识别系统演示过程 | 第75-76页 |
6.3.3 动态文本识别系统存在的不足 | 第76-77页 |
6.4 本章小结 | 第77-78页 |
总结 | 第78-80页 |
参考文献 | 第80-83页 |
致谢 | 第83页 |