| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 插图清单 | 第9-12页 |
| 引言 | 第12-13页 |
| 1 课题背景与研究内容 | 第13-23页 |
| 1.1 课题背景 | 第13-17页 |
| 1.1.1 汉字识别研究的历史及现状 | 第13-14页 |
| 1.1.2 汉字识别的应用背景 | 第14-15页 |
| 1.1.3 手写体汉字样本库 | 第15-17页 |
| 1.2 汉字的特点及识别的难点 | 第17-19页 |
| 1.2.1 汉字的字形特点 | 第17-18页 |
| 1.2.2 脱机手写体汉字识别的难点 | 第18-19页 |
| 1.3 脱机手写体汉字识别的基本步骤 | 第19-21页 |
| 1.4 研究内容及主要创新点 | 第21-23页 |
| 2 基于不变矩和弹性网格的脱机手写体汉字识别系统 | 第23-58页 |
| 2.1 特征提取方法概述 | 第23-32页 |
| 2.1.1 结构特征提取方法 | 第24-26页 |
| 2.1.2 统计特征提取方法 | 第26-29页 |
| 2.1.3 统计特征与结构特征相结合的特征提取方法 | 第29-32页 |
| 2.2 全局特征提取方法 | 第32-40页 |
| 2.2.1 不变矩特征 | 第32-39页 |
| 2.2.2 Zernike矩提取全局特征 | 第39-40页 |
| 2.3 局部特征提取方法 | 第40-45页 |
| 2.3.1 基于弹性网格的特征提取方法 | 第40-43页 |
| 2.3.2 基于K-L变换的特征选择 | 第43-45页 |
| 2.4 特征融合策略 | 第45-47页 |
| 2.4.1 特征融合方法概述 | 第45-46页 |
| 2.4.2 基于弹性网格和矩特征的串行特征融合 | 第46页 |
| 2.4.3 基于弹性网格和矩特征的并行特征融合 | 第46-47页 |
| 2.5 基于主轴搜索树的快速识别方法 | 第47-56页 |
| 2.5.1 常用的近邻法距离测度 | 第48-49页 |
| 2.5.2 常用的近邻法决策规则 | 第49-51页 |
| 2.5.3 快速近邻算法概述 | 第51-52页 |
| 2.5.4 主轴搜索树的建立 | 第52-54页 |
| 2.5.5 主轴搜索树搜索算法的实现 | 第54-56页 |
| 2.6 本章小结 | 第56-58页 |
| 3 基于多小波变换和正交外壳扩展的特征提取方法 | 第58-73页 |
| 3.1 多分辨率分析及小波变换 | 第58-62页 |
| 3.1.1 多分辨率分析 | 第58-59页 |
| 3.1.2 小波变换的定义及特点 | 第59-60页 |
| 3.1.3 快速离散小波变换 | 第60-62页 |
| 3.2 基于多小波变换的特征提取方法 | 第62-68页 |
| 3.2.1 特征点的确定 | 第62-65页 |
| 3.2.2 多小波变换的理论及其发展 | 第65-66页 |
| 3.2.3 GHM多小波变换 | 第66-68页 |
| 3.3 正交外壳扩展 | 第68-70页 |
| 3.4 多分辨率匹配策略 | 第70-71页 |
| 3.5 本章小结 | 第71-73页 |
| 4 识别字典的制作与学习 | 第73-84页 |
| 4.1 基于两分法和GLVQ算法的动态单模板字典制作方法 | 第73-77页 |
| 4.1.1 单模板字典的初始化 | 第73-74页 |
| 4.1.2 参考模板的调整 | 第74-76页 |
| 4.1.3 实验结果 | 第76-77页 |
| 4.2 基于特征向量分布的多模板字典制作方法 | 第77-82页 |
| 4.2.1 多模板字典的构建 | 第77-80页 |
| 4.2.2 多模板字典的学习 | 第80-81页 |
| 4.2.3 实验结果 | 第81-82页 |
| 4.3 本章小结 | 第82-84页 |
| 5 基于支持向量机的分类器设计 | 第84-106页 |
| 5.1 支持向量机的理论基础 | 第84-93页 |
| 5.1.1 统计学习理论 | 第84-85页 |
| 5.1.2 SVM的分类原理 | 第85-89页 |
| 5.1.3 SVM的训练算法 | 第89-93页 |
| 5.2 SVM在大类别手写体汉字识别中的应用 | 第93-98页 |
| 5.2.1 多分类器融合 | 第93-94页 |
| 5.2.2 两级串行分类法概述 | 第94-95页 |
| 5.2.3 算法分析 | 第95-96页 |
| 5.2.4 实验结果 | 第96-98页 |
| 5.3 SVM在小类别手写体汉字识别中的应用 | 第98-100页 |
| 5.3.1 基于支持向量机和二叉树的分类算法 | 第98页 |
| 5.3.2 实验结果 | 第98-100页 |
| 5.4 最小二乘支持向量机及其在手写汉字识别中的应用 | 第100-105页 |
| 5.4.1 LS-SVM的工作原理 | 第100-101页 |
| 5.4.2 基于LS-SVM的多类分类方法 | 第101-103页 |
| 5.4.3 实验结果 | 第103-105页 |
| 5.5 本章小结 | 第105-106页 |
| 6 银行支票自动处理系统 | 第106-136页 |
| 6.1 银行支票自动处理系统概述 | 第107-109页 |
| 6.2 空表学习 | 第109-112页 |
| 6.2.1 以交互方式抽取空表主要特征 | 第110-111页 |
| 6.2.2 空表固定字段识别 | 第111-112页 |
| 6.3 实表预处理 | 第112-121页 |
| 6.3.1 表格图像二值化 | 第112-115页 |
| 6.3.2 表格网线的修正和拟合 | 第115-116页 |
| 6.3.3 平滑去噪 | 第116-117页 |
| 6.3.4 特殊角度旋转校正 | 第117页 |
| 6.3.5 图像倾斜度计算 | 第117-119页 |
| 6.3.6 图像的倾斜校正 | 第119-121页 |
| 6.4 变域数据抽取 | 第121-124页 |
| 6.5 手写体汉字的切分及预处理 | 第124-132页 |
| 6.5.1 手写体汉字的汉字切分 | 第124-129页 |
| 6.5.2 手写体汉字规范化 | 第129-130页 |
| 6.5.3 图像细化 | 第130-132页 |
| 6.6 识别后处理 | 第132-133页 |
| 6.6.1 票据识别后处理 | 第132页 |
| 6.6.2 单字识别后处理 | 第132-133页 |
| 6.7 识别系统的性能指标及识别原则 | 第133-134页 |
| 6.7.1 识别系统的性能指标 | 第133-134页 |
| 6.7.2 识别系统的设计原则 | 第134页 |
| 6.8 本章小结 | 第134-136页 |
| 结论 | 第136-138页 |
| 参考文献 | 第138-148页 |
| 附录A 数学形态学简介 | 第148-153页 |
| 在学研究成果 | 第153-154页 |
| 致谢 | 第154页 |
