基于OCR的发票真伪自动鉴别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 光学字符识别及其研究现状 | 第9-11页 |
| 1.3 发票图像识别的特点 | 第11-12页 |
| 1.4 论文结构 | 第12-15页 |
| 第2章 发票图像预处理 | 第15-29页 |
| 2.1 彩色图像灰度化 | 第15-16页 |
| 2.2 图像增强 | 第16-21页 |
| 2.2.1 基于灰度值统计的图像预处理 | 第17-18页 |
| 2.2.2 滤波 | 第18-21页 |
| 2.3 图像二值化 | 第21-22页 |
| 2.4 图像倾斜矫正 | 第22-23页 |
| 2.5 图像形态学预处理 | 第23-27页 |
| 2.5.1 图像的腐蚀与膨胀 | 第23-24页 |
| 2.5.2 图像的开闭运算 | 第24-25页 |
| 2.5.3 改进的灰度图形态学锐化 | 第25-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 发票号码定位技术研究 | 第29-51页 |
| 3.1 复杂背景字符区域分割 | 第29-31页 |
| 3.1.1 基于空间域特征的字符区域分割 | 第30页 |
| 3.1.2 基于频域处理的字符区域分割 | 第30-31页 |
| 3.1.3 基于机器学习的字符区域分割 | 第31页 |
| 3.2 基于轮廓特征的字符区域分割 | 第31-42页 |
| 3.3 轮廓提取与计算 | 第42-46页 |
| 3.3.1 填充法提取轮廓 | 第42-43页 |
| 3.3.2 通过边缘检测算子提取轮廓 | 第43-45页 |
| 3.3.3 基于链码的轮廓信息提取 | 第45-46页 |
| 3.4 基于聚类分析的图像字符序列分割 | 第46-48页 |
| 3.5 本章小结 | 第48-51页 |
| 第4章 基于SVM的发票字符识别 | 第51-64页 |
| 4.1 单一字符的分割 | 第51-52页 |
| 4.2 字符归一化处理 | 第52-53页 |
| 4.3 字符特征提取 | 第53-54页 |
| 4.3.1 端点与交叉点特征 | 第54页 |
| 4.3.2 字符基元方向特征 | 第54页 |
| 4.4 支持向量机基本原理 | 第54-59页 |
| 4.4.1 线性支持向量机 | 第55-58页 |
| 4.4.2 非线性支持向量机与核函数 | 第58-59页 |
| 4.4.3 多类别分类 | 第59页 |
| 4.5 参数优化 | 第59-61页 |
| 4.6 实验及分析 | 第61-63页 |
| 4.7 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
