银行卡号字符的分割与识别算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 银行卡号识别系统概述 | 第11-13页 |
| 1.2.1 银行卡号特点 | 第11-12页 |
| 1.2.2 系统流程 | 第12-13页 |
| 1.2.3 研究现状 | 第13页 |
| 1.3 研究重点及难点 | 第13-14页 |
| 1.4 研究内容及结构安排 | 第14-16页 |
| 2 图像预处理算法 | 第16-32页 |
| 2.1 数据库的建立 | 第16-18页 |
| 2.2 图像灰度化和尺寸归一化 | 第18-20页 |
| 2.3 噪声去除 | 第20-22页 |
| 2.4 边缘提取和字符串定位 | 第22-28页 |
| 2.4.1 银行卡号的边缘提取 | 第22-26页 |
| 2.4.2 银行卡卡号的精确定位 | 第26-28页 |
| 2.5 银行卡号类别的判定 | 第28-31页 |
| 2.5.1 RGB与HSV颜色模型的转换 | 第28-30页 |
| 2.5.2 卡号印刷类型判断 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 银行卡号字符分割算法 | 第32-46页 |
| 3.1 凹凸压印卡号的背景消除 | 第32-36页 |
| 3.1.1 YUV颜色空间 | 第32-34页 |
| 3.1.2 背景干扰消除 | 第34-36页 |
| 3.2 黑色印刷卡号的背景消除 | 第36-41页 |
| 3.2.1 大津阈值二值化 | 第37-39页 |
| 3.2.2 黑色转换背景干扰消除 | 第39-41页 |
| 3.3 字符的投影分割 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 字符识别算法 | 第46-66页 |
| 4.1 基于特征提取与支持向量机识别字符 | 第46-52页 |
| 4.1.1 HOG特征提取 | 第46-48页 |
| 4.1.2 支持向量机 | 第48-51页 |
| 4.1.3 识别结果 | 第51-52页 |
| 4.2 基于卷积神经网络识别字符 | 第52-58页 |
| 4.2.1 卷积神经网络模型 | 第52-56页 |
| 4.2.2 LeNet-5结构 | 第56-57页 |
| 4.2.3 识别结果 | 第57-58页 |
| 4.3 基于深信度网络识别字符 | 第58-64页 |
| 4.3.1 深信度网络模型 | 第59-60页 |
| 4.3.2 限制玻尔兹曼机模型 | 第60-63页 |
| 4.3.3 识别结果 | 第63-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 总结 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |
