| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 国内外研究水平 | 第10-11页 |
| 1.3 论文的主要工作及章节安排 | 第11-13页 |
| 第2章 税票图像预处理 | 第13-28页 |
| 2.1 彩色图像的灰度化 | 第13-14页 |
| 2.2 图像的去噪 | 第14-15页 |
| 2.3 图像二值化 | 第15-18页 |
| 2.3.1 常用的二值化方法 | 第16-18页 |
| 2.4 图像倾斜检测与校正 | 第18-21页 |
| 2.4.1 倾斜检测 | 第18-19页 |
| 2.4.2 旋转校正 | 第19-21页 |
| 2.5 数学形态学处理 | 第21-24页 |
| 2.5.1 数学形态学的基础理论 | 第22-23页 |
| 2.5.2 基于数学形态学的颗粒噪声滤除 | 第23-24页 |
| 2.6 发票号码定位 | 第24页 |
| 2.7 字符切分 | 第24-26页 |
| 2.8 字符归一化 | 第26-27页 |
| 2.9 本章小结 | 第27-28页 |
| 第3章 BP 神经网络和遗传算法 | 第28-48页 |
| 3.1 BP 神经网络 | 第28-38页 |
| 3.1.1 神经网络简介 | 第28页 |
| 3.1.2 人工神经网络的基本原理 | 第28页 |
| 3.1.3 人工神经元模型 | 第28-30页 |
| 3.1.4 BP 神经网络概述 | 第30页 |
| 3.1.5 BP 神经网络的拓扑结构 | 第30-31页 |
| 3.1.6 BP 神经网络的算法推导 | 第31-36页 |
| 3.1.7 BP 神经网络在实际应用中存在的缺陷 | 第36-38页 |
| 3.2 遗传算法 | 第38-47页 |
| 3.2.1 遗传算法概论 | 第38-39页 |
| 3.2.2 遗传算法基本术语介绍 | 第39-41页 |
| 3.2.3 染色体的编码 | 第41-42页 |
| 3.2.4 适应度函数 | 第42页 |
| 3.2.5 遗传算子 | 第42-44页 |
| 3.2.6 遗传算法求解问题的过程 | 第44-46页 |
| 3.2.7 遗传控制参数的选择 | 第46页 |
| 3.2.8 标准遗传算法的特点 | 第46-47页 |
| 3.2.9 标准遗传算法的不足 | 第47页 |
| 3.3 本章小结 | 第47-48页 |
| 第4章 改进的自适应遗传 BP 神经网络的字符识别 | 第48-58页 |
| 4.1 自适应遗传交叉概率和变异概率 | 第48页 |
| 4.2 交叉和变异概率调整公式的改进 | 第48-50页 |
| 4.3 字符识别综述 | 第50-51页 |
| 4.4 字符特征提取 | 第51-52页 |
| 4.5 基于改进的自适应遗传 BP 神经网络数字字符识别算法设计 | 第52-55页 |
| 4.5.1 BP 神经网络结构设计 | 第52-53页 |
| 4.5.2 改进的自适应遗传算法设计与参数设置 | 第53页 |
| 4.5.3 改进的自适应遗传算法与 BP 神经网络融合 | 第53-55页 |
| 4.6 实验结果及分析 | 第55-57页 |
| 4.6.1 实验环境 | 第55页 |
| 4.6.2 测试图像集 | 第55页 |
| 4.6.3 实验结果 | 第55-56页 |
| 4.6.4 遗传算法实验结果 | 第56页 |
| 4.6.5 BP 神经网络和 IAGA_BP 算法实验结果 | 第56-57页 |
| 4.7 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文的工作总结 | 第58-59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 A（攻读硕士学位期间发表的论文和研发的项目） | 第65页 |
