印刷体汉字识别预处理的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 印刷体汉字识别中存在的困难 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-14页 |
| 2 印刷体汉字识别概述 | 第14-19页 |
| 2.1 汉字识别的分类 | 第14-15页 |
| 2.2 印刷体汉字识别的研究历史和现状 | 第15-16页 |
| 2.3 汉字识别的输入设备 | 第16页 |
| 2.4 印刷体汉字识别的流程简介 | 第16-18页 |
| 2.5 印刷体汉字识别方法 | 第18-19页 |
| 2.5.1 统计特征字符识别技术 | 第18页 |
| 2.5.2 结构特征字符识别技术 | 第18页 |
| 2.5.3 基于人工神经网络的识别技术 | 第18-19页 |
| 3 整体图像处理的方法研究 | 第19-45页 |
| 3.1 图像灰度化 | 第19-20页 |
| 3.2 图像二值化 | 第20-28页 |
| 3.2.1 全局阈值二值化 | 第21-23页 |
| 3.2.2 局部二值化 | 第23-24页 |
| 3.2.3 动态阈值二值化 | 第24-25页 |
| 3.2.4 实验结果与算法综评 | 第25-28页 |
| 3.3 倾斜矫正 | 第28-33页 |
| 3.3.1 基于投影图的方法 | 第29页 |
| 3.3.2 直线拟合算法 | 第29-30页 |
| 3.3.3 Hough变换方法 | 第30-31页 |
| 3.3.4 旋转矫正文本图像 | 第31-33页 |
| 3.4 版面分析 | 第33-40页 |
| 3.4.1 基本概念 | 第33-35页 |
| 3.4.2 搜索连通组件 | 第35-36页 |
| 3.4.3 提取特殊组件 | 第36页 |
| 3.4.4 文本块合并 | 第36-40页 |
| 3.4.5 实验结果 | 第40页 |
| 3.5 行字的切分 | 第40-45页 |
| 3.5.1 行切分 | 第41-42页 |
| 3.5.2 字切分 | 第42-45页 |
| 4 单个字符处理的方法研究 | 第45-56页 |
| 4.1 单个字符二值化 | 第45-46页 |
| 4.1.1 单个字符二值化 | 第45页 |
| 4.1.2 实验结果 | 第45-46页 |
| 4.2 平滑去噪 | 第46-48页 |
| 4.3 图像的归一化 | 第48-49页 |
| 4.3.1 位置归一化方法 | 第48-49页 |
| 4.3.2 大小归一化方法 | 第49页 |
| 4.4 汉字的细化 | 第49-56页 |
| 4.4.1 细化的基本概念和要求 | 第49-50页 |
| 4.4.2 细化算法分类 | 第50-51页 |
| 4.4.3 数学形态学细化算法 | 第51-52页 |
| 4.4.4 改进汉字细化算法 | 第52-53页 |
| 4.4.5 基于改进细化算法的汉字笔画提取 | 第53-54页 |
| 4.4.6 实验结果与分析 | 第54-56页 |
| 5 汉字多字体识别研究 | 第56-66页 |
| 5.1 汉字的字体特征 | 第56-57页 |
| 5.2 多尺度小波变换和图像分解 | 第57-61页 |
| 5.2.1 二维小波变换 | 第57-58页 |
| 5.2.2 二维Mallat分解算法实现小波分解 | 第58-59页 |
| 5.2.3 小波函数的选取 | 第59页 |
| 5.2.4 图像分解 | 第59-61页 |
| 5.3 多尺度非冗余小波纹理文字种类识别算法 | 第61-64页 |
| 5.3.1 小波能量分布特征(F_d) | 第61-62页 |
| 5.3.2 小波能量比例分布特征(F_(dp)) | 第62-63页 |
| 5.3.3 距离函数 | 第63-64页 |
| 5.4 实验结果及分析 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
