基于BP神经网络的OCR
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·引言 | 第11页 |
| ·光学字符识别技术的历史，现状及展望 | 第11-13页 |
| ·光学字符识别系统设计中的关键问题 | 第13-16页 |
| ·字符特征提取 | 第13-14页 |
| ·字符分类器设计 | 第14-16页 |
| ·论文的结构简介 | 第16-18页 |
| 第二章 人工神经网络与误差反向传播算法 | 第18-32页 |
| ·人工神经网络简述 | 第18页 |
| ·发展简史 | 第18页 |
| ·基本原理 | 第18-21页 |
| ·生物神经网络系统 | 第19-20页 |
| ·人工神经网络 | 第20-21页 |
| ·神经网络的结构和学习规则 | 第21-23页 |
| ·神经网络的连接形式 | 第21-22页 |
| ·神经网络的学习和训练 | 第22-23页 |
| ·误差反向传播神经网络算法 | 第23-32页 |
| ·误差反向传播神经网络算法描述 | 第23-30页 |
| ·误差反向传播神经网络的映射与容量分析 | 第30-31页 |
| ·误差反向传播神经网络的容错性、鲁棒性和泛化能力 | 第31-32页 |
| 第三章 字符的特征提取与待识别字符的初分类 | 第32-44页 |
| ·概述 | 第32页 |
| ·字符特征提取方法 | 第32-34页 |
| ·基于字符骨架的两级初分类 | 第34-38页 |
| ·字符图像的细化 | 第34-36页 |
| ·基于检测字符骨架中闭合曲线的初分类 | 第36-38页 |
| ·基于字符骨架纵向线条特征第二次初分类 | 第38页 |
| ·字符混合特征向量的提取 | 第38-44页 |
| ·粗网格特征提取的方法以及实现 | 第39-41页 |
| ·规一化的投影特征向量的提取 | 第41-44页 |
| 第四章 基于误差反传播网络的字符分类器的设计 | 第44-55页 |
| ·BP网络的结构设计 | 第44-50页 |
| ·输入层神经元个数 | 第44-45页 |
| ·输出层神经元个数及输出表示 | 第45-46页 |
| ·隐藏层层数选择 | 第46-47页 |
| ·隐藏层神经元的数目 | 第47-49页 |
| ·节点设计 | 第49-50页 |
| ·BP网络的参数设计 | 第50-52页 |
| ·网络连接权初始值的设置 | 第50-51页 |
| ·网络学习参数的设置 | 第51-52页 |
| ·BP网络的训练 | 第52-54页 |
| ·训练样本的选取 | 第52页 |
| ·误差准则函数 | 第52-53页 |
| ·训练的停止条件 | 第53页 |
| ·网络的训练过程 | 第53-54页 |
| ·BP网络的识别过程 | 第54-55页 |
| 第五章 字符识别系统中的图像预处理 | 第55-62页 |
| ·256色位图的灰度化 | 第55-56页 |
| ·灰度图像的二值化 | 第56页 |
| ·梯度锐化(可选) | 第56-57页 |
| ·去除离散杂点噪声 | 第57-59页 |
| ·调整倾斜 | 第59-60页 |
| ·字符分割 | 第60-61页 |
| ·字符的规一化 | 第61页 |
| ·字符的紧缩重排 | 第61-62页 |
| 第六章 系统实现和性能分析 | 第62-75页 |
| ·系统描述及基本要求 | 第62页 |
| ·系统的实现 | 第62-70页 |
| ·BP代码实现(训练) | 第62-67页 |
| ·BP代码实现(识别) | 第67-70页 |
| ·系统性能分析 | 第70-75页 |
| 第七章 回顾和展望 | 第75-77页 |
| ·工作总结 | 第75页 |
| ·对今后工作的展望 | 第75-77页 |
| 附件 | 第77-98页 |
| 参考文献 | 第98-101页 |
| 致谢 | 第101页 |
