煤气表数字图像识别算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景 | 第14-19页 |
| 1.1.1 课题实验硬件平台 | 第14-16页 |
| 1.1.2 课题实验软件平台 | 第16-17页 |
| 1.1.3 本文研究的主要内容 | 第17-18页 |
| 1.1.4 本文研究的主要难点 | 第18-19页 |
| 1.2 国内外相似项目的研究 | 第19-22页 |
| 1.3 本文的结构安排 | 第22-23页 |
| 第二章 数字图像预处理算法研究 | 第23-34页 |
| 2.1 图像的灰度化 | 第23-24页 |
| 2.2 图像的灰度变换 | 第24-27页 |
| 2.2.1 数字图像的直方图 | 第25页 |
| 2.2.2 数字图像的灰度变换 | 第25-27页 |
| 2.3 图像的二值化 | 第27-31页 |
| 2.3.1 二值化简述 | 第27-28页 |
| 2.3.2 Otsu 算法 | 第28-30页 |
| 2.3.3 迭代算法 | 第30-31页 |
| 2.4 图像的滤波处理 | 第31-32页 |
| 2.4.1 均值滤波算法 | 第31页 |
| 2.4.2 中值滤波算法 | 第31-32页 |
| 2.5 本章实验小结 | 第32-34页 |
| 第三章 数字图像的定位和分割 | 第34-40页 |
| 3.1 图像倾斜校正 | 第34-35页 |
| 3.2 图像数字有效区域的定位 | 第35-37页 |
| 3.2.1 常用的定位算法 | 第36页 |
| 3.2.2 本文使用的定位算法 | 第36-37页 |
| 3.3 有效区域的分割和归一化 | 第37-38页 |
| 3.4 本章实验小结 | 第38-40页 |
| 第四章 数字图像的识别 | 第40-54页 |
| 4.1 图像特征提取的常用方法 | 第40-42页 |
| 4.1.1 结构特征 | 第40页 |
| 4.1.2 纹理特征 | 第40-41页 |
| 4.1.3 颜色特征 | 第41页 |
| 4.1.4 采用统计法来提取特征 | 第41-42页 |
| 4.1.5 采用变换系数法来提取特征值 | 第42页 |
| 4.1.6 采用代数方法来提取特征值 | 第42页 |
| 4.2 本文采用的图像特征提取 | 第42-45页 |
| 4.2.1 重心密度统计算法 | 第42-44页 |
| 4.2.2 网格密度统计算法 | 第44-45页 |
| 4.3 特征库比对识别概述 | 第45-46页 |
| 4.4 数据识别网络结构 | 第46-48页 |
| 4.4.1 网络拓扑结构 | 第46-47页 |
| 4.4.2 本文识别网络的设计 | 第47-48页 |
| 4.5 识别网络特征库的成长 | 第48-49页 |
| 4.6 网络数据识别 | 第49-50页 |
| 4.7 实验数据和结论 | 第50-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第五章 总结 | 第54-56页 |
| 5.1 论文所做的主要工作 | 第54页 |
| 5.2 本文设计的方法的一些优势 | 第54-55页 |
| 5.3 有待改进的地方 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 关键程序源代码 | 第58-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78页 |
