手写体汉字的计算机识别研究
| 第1章 绪论 | 第1-19页 |
| ·研究计算机识别文字的目的及意义 | 第9-10页 |
| ·汉字识别的问题与困难 | 第10-14页 |
| ·汉字的特点与识别难点 | 第10-12页 |
| ·手写体汉字的特点 | 第12-14页 |
| ·汉字识别研究的发展历程 | 第14-16页 |
| ·汉字识别技术研究现状及发展趋势 | 第16-17页 |
| ·论文背景及研究的主要内容及取得的成果 | 第17-19页 |
| ·论文背景 | 第17-18页 |
| ·论文研究的主要内容 | 第18页 |
| ·取得的成果 | 第18-19页 |
| 第2章 文字识别的原理和方法 | 第19-27页 |
| ·文字识别的原理 | 第19-20页 |
| ·文字识别方法概述 | 第20-26页 |
| ·统计决策方法 | 第20-23页 |
| ·句法方法 | 第23-26页 |
| ·小结 | 第26-27页 |
| 第3章 汉字识别中的图像预处理 | 第27-49页 |
| ·概述 | 第27-28页 |
| ·平滑去噪处理 | 第28-29页 |
| ·中值滤波去躁 | 第28-29页 |
| ·邻域平均法去噪处理(均值滤波) | 第29页 |
| ·图像二值化 | 第29-32页 |
| ·阈值法的基本原理 | 第30页 |
| ·最大方差阈值设定法算法 | 第30-32页 |
| ·实验结果 | 第32页 |
| ·二值字符图像细化 | 第32-38页 |
| ·模板匹配的Rosen细化算法及其改进 | 第33-35页 |
| ·二值图像并行细化算法 | 第35-38页 |
| ·汉字图像的倾斜校正 | 第38-41页 |
| ·汉字图像自动倾斜校正的理论基础 | 第39-40页 |
| ·汉字图像的自动倾斜校正算法 | 第40页 |
| ·实验结果 | 第40-41页 |
| ·汉字图像的行字切分 | 第41-46页 |
| ·行切分 | 第41-43页 |
| ·字切分 | 第43-45页 |
| ·行字切割实验分析 | 第45-46页 |
| ·汉字图像的规一化 | 第46-47页 |
| ·位置规一化 | 第46页 |
| ·大小规一化 | 第46-47页 |
| ·二次平滑去噪处理 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 汉字识别的分类算法 | 第49-60页 |
| ·汉字识别的粗分类算法 | 第49-53页 |
| ·投影-变换系数法 | 第49-51页 |
| ·基于二次外围特征的粗分类法 | 第51-53页 |
| ·汉字识别的细分类算法 | 第53-59页 |
| ·基于笔画密度特征的细分类算法 | 第54-56页 |
| ·基于四方向分解的弹性网格分类算法 | 第56-59页 |
| ·两分类器集成的独立性分析 | 第59页 |
| ·小结 | 第59-60页 |
| 第5章 神经网络在汉字识别中的应用 | 第60-78页 |
| ·人工神经网络及BP网 | 第60-62页 |
| ·神经网络BP学习算法的实现 | 第62-64页 |
| ·BP神经网络结构的设计 | 第64-66页 |
| ·神经网络BP算法的改进 | 第66-69页 |
| ·附加动量项法 | 第67页 |
| ·自适应学习速率法 | 第67-68页 |
| ·综合法 | 第68-69页 |
| ·改进网络误差函数 | 第69页 |
| ·神经网络的学习和训练 | 第69-73页 |
| ·网络学习训练的准备工作 | 第70-73页 |
| ·BP神经网络在MATLAB中的实现 | 第73-77页 |
| ·神经元上的传递函数 | 第73-75页 |
| ·BP网络的创建函数 | 第75页 |
| ·BP网络的训练函数 | 第75页 |
| ·BP网络的仿真函数 | 第75页 |
| ·仿真训练程序的编制 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第6章 常用汉字识别系统方案设计 | 第78-92页 |
| ·常用汉字识别系统总体设计 | 第78页 |
| ·数据库设计 | 第78-83页 |
| ·手写汉字库特征数据库的确立 | 第79-80页 |
| ·数据库的建立 | 第80-83页 |
| ·前台图像处理模块分析 | 第83-91页 |
| ·图像处理程序方案图 | 第83-84页 |
| ·汉字识别模块分析 | 第84-91页 |
| ·汉字识别系统的综合实验 | 第91页 |
| ·小结 | 第91-92页 |
| 结束语 | 第92-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-98页 |
| 攻读硕士学位期间发表的论文 | 第98页 |
