基于正则极限学习机的冠字号码识别算法研究
| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1. 绪论 | 第14-19页 |
| 1.1 课题研究的背景和意义 | 第14-15页 |
| 1.2 国内外研究的现状 | 第15-17页 |
| 1.2.1 国内研究的现状 | 第15-16页 |
| 1.2.2 国外研究的现状 | 第16-17页 |
| 1.3 本文研究的主要工作和内容 | 第17-19页 |
| 2. 光学字符识别预处理算法研究与实现 | 第19-29页 |
| 2.1 彩色图像灰度化 | 第19页 |
| 2.2 图像平滑去噪声研究和实现 | 第19-23页 |
| 2.2.1 噪声的分类 | 第19-20页 |
| 2.2.2 噪声去除的方法 | 第20-23页 |
| 2.3 图像二值化 | 第23-25页 |
| 2.3.1 二值化算法 | 第23-25页 |
| 2.4 图像倾斜校正研究和实现 | 第25-28页 |
| 2.4.1 基于Hough变换的直线检测 | 第26-27页 |
| 2.4.2 基于最小二乘法的直线拟合倾斜校正 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3. 图像字符切分和特征提取 | 第29-41页 |
| 3.1 冠字号码区域的粗定位处理 | 第29-31页 |
| 3.1.1 垂直投影 | 第29-30页 |
| 3.1.2 水平投影 | 第30-31页 |
| 3.2 字符归一化处理 | 第31-32页 |
| 3.3 基于加权快速FCM算法图像分割算法 | 第32-36页 |
| 3.3.1 四分类相对离差系数 | 第32-33页 |
| 3.3.2 FCM算法 | 第33-34页 |
| 3.3.3 实验结果和分析 | 第34-36页 |
| 3.4 特征提取 | 第36-40页 |
| 3.4.1 梯度特征提取 | 第36-37页 |
| 3.4.2 角点特征 | 第37-38页 |
| 3.4.3 十三点网格特征 | 第38-39页 |
| 3.4.4 SURF特征提取 | 第39页 |
| 3.4.5 穿越特征 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4. 改进RELM在冠字号码识别中的应用 | 第41-48页 |
| 4.1 ELM算法概述 | 第41页 |
| 4.2 遗传算法 | 第41-43页 |
| 4.3 正则极限学习机 | 第43-44页 |
| 4.4 基于遗传算法的正则极限机 | 第44-45页 |
| 4.5 实验结果和分析 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 5. 总结和展望 | 第48-50页 |
| 5.1 工作总结 | 第48页 |
| 5.2 存在的问题 | 第48页 |
| 5.3 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 作者简历 | 第53页 |
