手写汉字的识别算法研究及系统实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 论文的研究背景与选题意义 | 第10页 |
| 1.2 文字识别技术 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 手写汉字的识别系统 | 第12页 |
| 1.3 论文的研究难点 | 第12-13页 |
| 1.4 论文的内容安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 手写体汉字的预处理 | 第15-23页 |
| 2.1 手写体汉字样本的预处理 | 第15-22页 |
| 2.1.1 汉字样本的采集 | 第15-16页 |
| 2.1.2 灰度化 | 第16-17页 |
| 2.1.3 平滑去噪处理 | 第17页 |
| 2.1.4 图像的二值化 | 第17-19页 |
| 2.1.5 形态学处理及汉字图像分割 | 第19-22页 |
| 2.2 本章小结 | 第22-23页 |
| 第三章 汉字的特征提取算法 | 第23-35页 |
| 3.1 几种常用的汉字特征提取方法的介绍 | 第23-27页 |
| 3.2 傅里叶描述法 | 第27-34页 |
| 3.2.1 一维傅里叶描述子 | 第27-29页 |
| 3.2.2 一维傅里叶描述子的不变性构造 | 第29-30页 |
| 3.2.3 一维傅里叶描述子的提出 | 第30页 |
| 3.2.4 一维傅里叶描述子的基本原理 | 第30-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 手写体汉字识别方法的选择 | 第35-46页 |
| 4.1 手写汉字识别方法的介绍 | 第35-39页 |
| 4.1.1 隐马尔科夫模型 | 第35-36页 |
| 4.1.2 最近邻(KNN)分类法 | 第36-37页 |
| 4.1.3 自适应增强算法(Adaboost) | 第37页 |
| 4.1.4 人工神经网络分类法 | 第37-39页 |
| 4.2 BP神经网络分类法 | 第39-45页 |
| 4.2.1 BP神经网络的数学模型 | 第39-44页 |
| 4.2.2 BP网络构造时需注意的问题 | 第44页 |
| 4.2.3 BP网络结构的设计 | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 手写汉字识别系统实现与算法验证 | 第46-54页 |
| 5.1 系统功能与描述 | 第46-47页 |
| 5.2 开发环境及实验结果分析 | 第47-50页 |
| 5.3 算法验证 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 结论与讨论 | 第54-56页 |
| 6.1 课题总结 | 第54-55页 |
| 6.2 课题讨论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 研究生期间的学术成果 | 第59页 |
