| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 课题研究背景和意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文的主要内容及结构安排 | 第15-18页 |
| 第二章 光学字符识别的难点和方法 | 第18-24页 |
| 2.1 光学字符识别的难点 | 第18页 |
| 2.2 传统的字符识别方法 | 第18-21页 |
| 2.2.1 基于模式匹配的识别方法 | 第19-20页 |
| 2.2.2 基于机器学习的识别方法 | 第20-21页 |
| 2.3 本章小结 | 第21-24页 |
| 第三章 图像预处理及字符分割 | 第24-44页 |
| 3.1 预处理概述 | 第24页 |
| 3.2 图像二值化 | 第24-30页 |
| 3.2.1 二值化方法概述 | 第24-28页 |
| 3.2.2 局部阈值同全局阈值相结合的方法 | 第28-30页 |
| 3.3 图像几何矫正 | 第30-36页 |
| 3.3.1 Hough变换 | 第30-32页 |
| 3.3.2 基于分块Hough变换的图像畸变角度检测 | 第32-33页 |
| 3.3.3 图像矫正方法 | 第33-35页 |
| 3.3.4 实验结果分析 | 第35-36页 |
| 3.4 字符切分 | 第36-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于卷积神经网络的字符识别方法 | 第44-54页 |
| 4.1 卷积神经网络 | 第44-48页 |
| 4.1.1 卷积神经网络结构 | 第44-47页 |
| 4.1.2 卷积神经网络的训练 | 第47-48页 |
| 4.2 数据集的构建 | 第48-51页 |
| 4.3 实验结果与分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 身份证识别系统算法设计 | 第54-62页 |
| 5.1 第二代身份证简介 | 第54-55页 |
| 5.2 基于卷积神经网络的身份证识别 | 第55-61页 |
| 5.2.1 算法流程 | 第55-60页 |
| 5.2.2 实验结果分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |