基于度序列的身份证号码识别研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-18页 |
| 1.1 身份证号码识别系统研究需求与背景 | 第10-11页 |
| 1.2 数字图像处理基本概念 | 第11-12页 |
| 1.3 像素之间的基本关系及基本操作 | 第12-15页 |
| 1.3.1 像素及相邻像素 | 第12-13页 |
| 1.3.2 像素的之间的距离 | 第13-14页 |
| 1.3.3 矩阵元素之间的基本操作 | 第14-15页 |
| 1.4 身份证号码识别的研究现状 | 第15-16页 |
| 1.5 身识别系统评价标准 | 第16页 |
| 1.6 论文的内容 | 第16-18页 |
| 2 预处理 | 第18-36页 |
| 2.1 图像二值化 | 第18-21页 |
| 2.1.1 整体阈值二值化 | 第18-19页 |
| 2.1.2 局部阈值二值化 | 第19页 |
| 2.1.3 动态阈值二值化 | 第19页 |
| 2.1.4 本文选取的二值化方法 | 第19-21页 |
| 2.2 图像噪声类型及去噪 | 第21-26页 |
| 2.2.1 噪声类型及模型 | 第21页 |
| 2.2.2 噪声模型 | 第21-22页 |
| 2.2.3 图像去噪 | 第22-25页 |
| 2.2.4 本文采用去噪方法 | 第25-26页 |
| 2.3 图像的细化 | 第26-29页 |
| 2.3.1 数学形态学的基本知识 | 第27-28页 |
| 2.3.2 本文采用细化的算法 | 第28-29页 |
| 2.4 图像的归一化 | 第29-30页 |
| 2.5 图像边缘检测 | 第30-33页 |
| 2.5.1 梯度算子 | 第30-31页 |
| 2.5.2 拉普拉斯算子 | 第31页 |
| 2.5.3 本文采用边缘检测的算法 | 第31-33页 |
| 2.6 图像的定位 | 第33页 |
| 2.7 图像的分割 | 第33-36页 |
| 3 图像识别 | 第36-41页 |
| 3.1 特征向量的稀疏表示 | 第36-37页 |
| 3.2 图像识别方法 | 第37-41页 |
| 3.2.1 统计法 | 第37-39页 |
| 3.2.2 结构法 | 第39-41页 |
| 4 身份证号码识别方法的研究 | 第41-65页 |
| 4.1 基于度序列对身份证号码的数字识别 | 第42-51页 |
| 4.1.1 图的度与度序列 | 第42-47页 |
| 4.1.2 身份证号码数字的度序列 | 第47-51页 |
| 4.2 识别算法中的基本概念和基本操作 | 第51-56页 |
| 4.2.1 讨论度数为2的像素点 | 第53-55页 |
| 4.2.2 度序列特征向量 | 第55-56页 |
| 4.3 识别算法 | 第56-60页 |
| 4.3.1 识别算法识别具体操作流程图 | 第57-58页 |
| 4.3.2 算法伪代码 | 第58-59页 |
| 4.3.3 算法说明 | 第59-60页 |
| 4.4 提取数字其他基本特征 | 第60-61页 |
| 4.5 最小相对度序列误差分类器 | 第61-62页 |
| 4.6 算法实现 | 第62-65页 |
| 5 结论 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
