传真收件人姓名字符识别技术研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·选题背景及其意义 | 第10页 |
| ·相关技术的研究状况及应用 | 第10-12页 |
| ·课题主要研究内容 | 第12-14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 字符图像预处理 | 第15-24页 |
| ·字符图像去噪 | 第15-17页 |
| ·字符图像中的常见噪声 | 第15-16页 |
| ·中值滤波法 | 第16-17页 |
| ·文档图像二值化 | 第17-20页 |
| ·倾斜校正 | 第20-21页 |
| ·基于字符外围轮廓的归一化 | 第21-22页 |
| ·图像细化 | 第22-24页 |
| 第三章 书写线的检测和去除及字符自动切分算法 | 第24-33页 |
| ·书写线的检测和去除 | 第24-26页 |
| ·书写线的检测 | 第24-25页 |
| ·基于数学形态学的书写线去除方法 | 第25-26页 |
| ·字符切分 | 第26-33页 |
| ·基于投影分析的波峰—波谷法 | 第26-28页 |
| ·水平投影确定字符的上下边界 | 第26-27页 |
| ·垂直投影确定字符的左右边界 | 第27-28页 |
| ·粘连手写体汉字切分 | 第28-33页 |
| ·特征点和笔画的提取 | 第28-31页 |
| ·粘连笔段的提取和分割点的确定 | 第31页 |
| ·分割路径的确定 | 第31-33页 |
| 第四章 基于混合神经网络的手写体字符识别方法 | 第33-47页 |
| ·引言 | 第33页 |
| ·多级混合神经网络识别模型 | 第33-34页 |
| ·字符特征提取 | 第34-37页 |
| ·粗分类特征 | 第34-36页 |
| ·笔划复杂性指数特征 | 第34-35页 |
| ·四边码特征 | 第35页 |
| ·粗外围轮廓特征 | 第35-36页 |
| ·细分类特征 | 第36-37页 |
| ·字符轮廓特征 | 第36-37页 |
| ·笔划穿越密度特征 | 第37页 |
| ·用于粗分类的自组织聚类网络及其算法 | 第37-40页 |
| ·BP 网络对汉字字符细分类 | 第40-43页 |
| ·BP 网络的算法描述 | 第41-42页 |
| ·BP 网络各层单元数的选择 | 第42-43页 |
| ·BP 网络数 | 第43页 |
| ·实验 | 第43-46页 |
| ·实验样本 | 第43-44页 |
| ·训练集的粗分类 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·结束语 | 第46-47页 |
| 第五章 基于支持向量机的传真收件人字符识别方法 | 第47-60页 |
| ·支持向量机 | 第47-53页 |
| ·统计学习理论 | 第47-48页 |
| ·支持向量机 | 第48-49页 |
| ·支持向量机算法 | 第49-52页 |
| ·核函数 | 第52-53页 |
| ·特征提取 | 第53-55页 |
| ·分类识别方法 | 第55-56页 |
| ·实验 | 第56-59页 |
| ·LIBSVM 概述 | 第56-57页 |
| ·实验数据准备 | 第57页 |
| ·基于支持向量机的训练与识别 | 第57-59页 |
| ·结束语 | 第59-60页 |
| 第六章 中文传真收件人姓名自动识别系统 | 第60-70页 |
| ·识别方法 | 第60-61页 |
| ·系统组成 | 第61-70页 |
| 第七章 工作总结与展望 | 第70-72页 |
| ·工作总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
