摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 引言 | 第13-19页 |
1.1 条码定位算法的研究意义 | 第13-15页 |
1.2 条码识别技术的历史和现状 | 第15页 |
1.3 本文的研究内容及结构安排 | 第15-18页 |
1.3.1 现有条码识读装置与研究难点分析 | 第15-17页 |
1.3.2 本文主要工作 | 第17页 |
1.3.3 研究内容及本文结构安排 | 第17-18页 |
1.4 本章小结 | 第18-19页 |
第二章 条码定位技术概述 | 第19-29页 |
2.1 一维、二维条码特点比较 | 第19-20页 |
2.2 常见条码样式介绍 | 第20-21页 |
2.3 实验条码简介 | 第21-23页 |
2.3.1 线性条形码 (Linear Code) | 第21-22页 |
2.3.2 PDF417码 (PDF417 Code) | 第22页 |
2.3.3 线性堆叠码(Linear×Linear code) | 第22页 |
2.3.4 线性PDF堆叠码(Linear×PDF417 code) | 第22-23页 |
2.4 条码定位算法概述 | 第23-24页 |
2.5 条码定位算法研究现状 | 第24-28页 |
2.5.1 条码定位的时域分析法 | 第24-26页 |
2.5.2 条码定位的频域分析方法 | 第26-28页 |
2.6 本章小结 | 第28-29页 |
第三章 基于图像处理的定位算法 | 第29-51页 |
3.1 基于图像算法思路 | 第29-30页 |
3.2 基于图像算法主体流程 | 第30-31页 |
3.3 图像预处理 | 第31-33页 |
3.3.1 灰度化 | 第31-32页 |
3.3.2 边缘梯度计算 | 第32-33页 |
3.4 区域梯度统计分析 | 第33-36页 |
3.5 条纹粗定位 | 第36-42页 |
3.5.1 区域块一次合并 | 第37-38页 |
3.5.2 一次合并遍历规则 | 第38-40页 |
3.5.3 区域块二次合并 | 第40-42页 |
3.6 条纹精确定位 | 第42-49页 |
3.6.1 线性码 | 第43-45页 |
3.6.2 PDF417码 | 第45-47页 |
3.6.3 线性堆叠码 | 第47-48页 |
3.6.4 线性PDF堆叠码 | 第48-49页 |
3.7 本章小结 | 第49-51页 |
第四章 卷积神经网络CNN | 第51-67页 |
4.1 特征学习与CNN | 第51-53页 |
4.2 神经网络 | 第53-57页 |
4.2.1 神经元模型 | 第54页 |
4.2.2 神经网络模型 | 第54-56页 |
4.2.3 反向传播算法 | 第56-57页 |
4.3 深度学习网络 | 第57-61页 |
4.3.1 自编码网络 | 第58-59页 |
4.3.2 逐层贪婪训练 | 第59-61页 |
4.4 卷积神经网络 | 第61-66页 |
4.4.1 卷积 | 第61-63页 |
4.4.2 池化 | 第63-64页 |
4.4.3 网络结构 | 第64-66页 |
4.5 本章小结 | 第66-67页 |
第五章 深度学习框架CAFFE | 第67-73页 |
5.1 CAFFE简介 | 第67-68页 |
5.2 CAFFE特点 | 第68-69页 |
5.3 现有学习框架比较 | 第69页 |
5.4 CAFFE框架的结构 | 第69-71页 |
5.4.1 Blob | 第70页 |
5.4.2 Layer | 第70页 |
5.4.3 Net | 第70-71页 |
5.5 CAFFE应用 | 第71-72页 |
5.6 本章小结 | 第72-73页 |
第六章 实验结果与分析 | 第73-81页 |
6.1 基于图像处理的定位算法 | 第73-76页 |
6.2 基于卷积神经网络的定位算法 | 第76-80页 |
6.2.1 实验网络结构 | 第76-77页 |
6.2.2 PDF417码 | 第77-78页 |
6.2.3 线性码 | 第78-80页 |
6.3 本章小结 | 第80-81页 |
第七章 总结与展望 | 第81-83页 |
7.1 论文总结 | 第81-82页 |
7.2 展望 | 第82-83页 |
参考文献 | 第83-86页 |
致谢 | 第86-87页 |
攻读硕士学位期间已发表或录用的论文 | 第87-89页 |