基于图像识别技术的光学标记阅读机的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的背景和意义 | 第10页 |
| ·光标阅读机的发展过程和现状 | 第10-11页 |
| ·国外发展 | 第10-11页 |
| ·国内发展 | 第11页 |
| ·光标阅读机的基本工作原理 | 第11-12页 |
| ·目前存在的问题 | 第12-13页 |
| ·论文的内容及结构安排 | 第13-16页 |
| 第二章 数字图像的基础知识 | 第16-23页 |
| ·数字图像概述 | 第16-19页 |
| ·图像的数字化 | 第16-17页 |
| ·数字图像的表示 | 第17-18页 |
| ·数字图像的存储 | 第18-19页 |
| ·数字图像文件格式 | 第19-22页 |
| ·BMP位图的概念 | 第19页 |
| ·BMP位图的结构 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 信息卡图像预处理 | 第23-54页 |
| ·灰度化 | 第23-25页 |
| ·RGB彩色空间 | 第23-24页 |
| ·灰度化方法 | 第24-25页 |
| ·倾斜校正 | 第25-30页 |
| ·现有倾斜角度检测算法的介绍 | 第26-27页 |
| ·图像旋转方法的介绍 | 第27-28页 |
| ·信息卡图像的倾斜校正 | 第28-30页 |
| ·平滑 | 第30-33页 |
| ·空间域平滑 | 第31-32页 |
| ·频率域低通滤波 | 第32-33页 |
| ·图像的二值化 | 第33-50页 |
| ·灰度图像二值化 | 第33-38页 |
| ·全局阈值二值化方法 | 第34-36页 |
| ·局部阈值二值化方法 | 第36-37页 |
| ·动态阈值二值化方法 | 第37-38页 |
| ·彩色图像二值化 | 第38-50页 |
| ·LS颜色特征 | 第40-42页 |
| ·高斯平滑滤波 | 第42-43页 |
| ·决策树 | 第43-44页 |
| ·阈值的选取 | 第44-49页 |
| ·实验结果与分析 | 第49-50页 |
| ·归一化 | 第50-51页 |
| ·细化 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 字符识别技术的基本理论与方法 | 第54-67页 |
| ·模式识别概念 | 第55-56页 |
| ·字符识别一般过程 | 第56-57页 |
| ·字符识别的研究方法 | 第57-62页 |
| ·模板匹配方法 | 第57-58页 |
| ·统计决策法 | 第58-60页 |
| ·句法结构法 | 第60页 |
| ·模糊判决法 | 第60页 |
| ·直接逻辑法 | 第60-61页 |
| ·神经网络法 | 第61页 |
| ·支持向量机方法 | 第61-62页 |
| ·字符识别的特征提取 | 第62-66页 |
| ·统计特征 | 第62-64页 |
| ·结构特征 | 第64-66页 |
| ·统计特征和结构特征的融合 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第五章 基于图像识别的OMR的应用 | 第67-88页 |
| ·OMR简述 | 第67页 |
| ·基于图像识别的OMR设计 | 第67-68页 |
| ·基于图像识别的OMR应用 | 第68-70页 |
| ·手写标记符号识别 | 第70-87页 |
| ·模板匹配法 | 第70-77页 |
| ·手写符号特征选择 | 第72-73页 |
| ·手写符号识别 | 第73-74页 |
| ·实验结果与分析 | 第74-77页 |
| ·神经网络法 | 第77-82页 |
| ·BP网络 | 第77-80页 |
| ·BP网络算法及其在手写标记符号中的应用 | 第80-81页 |
| ·实验结果与分析 | 第81-82页 |
| ·结构识别方法 | 第82-87页 |
| ·有穷状态自动机 | 第83-84页 |
| ·运用自动机识别手写符号 | 第84-86页 |
| ·实验结果与分析 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 第六章 结论与展望 | 第88-90页 |
| ·总结 | 第88-89页 |
| ·展望 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 附录 图表目录 | 第94-96页 |
| 致谢 | 第96-97页 |
| 攻读硕士学位期间发表的论文 | 第97页 |
