基于细化处理的脱机手写汉字识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10页 |
| ·汉字识别的目的和意义 | 第10-11页 |
| ·汉字识别分类与特点 | 第11-13页 |
| ·汉字识别的分类 | 第11-12页 |
| ·手写汉字识别的特点 | 第12-13页 |
| ·汉字识别的发展历程和研究现状 | 第13-15页 |
| ·汉字识别的发展历程 | 第13-14页 |
| ·汉字识别研究现状 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 手写汉字的预处理技术 | 第17-32页 |
| ·概述 | 第17-18页 |
| ·平滑去噪 | 第18-20页 |
| ·平滑线性滤波器 | 第18-19页 |
| ·统计排序滤波器 | 第19页 |
| ·平滑的频率域滤波器 | 第19-20页 |
| ·二值化 | 第20-25页 |
| ·迭代最佳分割阈值算法 | 第21-22页 |
| ·双重阈值设定算法 | 第22-25页 |
| ·倾斜校正 | 第25-27页 |
| ·汉字切分 | 第27-30页 |
| ·直方图投影法 | 第28页 |
| ·连通域法 | 第28-29页 |
| ·基于识别的切分方法 | 第29-30页 |
| ·汉字的归—化 | 第30-32页 |
| ·线性归—化 | 第31页 |
| ·非线性归—化 | 第31-32页 |
| 第三章 手写汉字的细化处理 | 第32-41页 |
| ·细化的概念 | 第32-33页 |
| ·Hilditch细化算法 | 第33-34页 |
| ·FPA细化算法 | 第34-36页 |
| ·SPTA细化算法 | 第36-37页 |
| ·本文采用的细化算法 | 第37-41页 |
| 第四章 手写汉字的特征提取 | 第41-50页 |
| ·全局统计特征法 | 第42页 |
| ·局部统计特征法 | 第42-46页 |
| ·结构特征法 | 第46-48页 |
| ·本文采用的特征提取方法 | 第48-50页 |
| 第五章 手写汉字的分类识别 | 第50-60页 |
| ·基于距离的分类识别法 | 第50-51页 |
| ·支持向量机分类识别法 | 第51-52页 |
| ·人工神经网络分类识别法 | 第52-58页 |
| ·人工神经网络的特点 | 第53页 |
| ·BP神经网络 | 第53-55页 |
| ·神经网络BP学习算法实现 | 第55-57页 |
| ·BP神经网络结构的设计 | 第57-58页 |
| ·多分类器的集成 | 第58-59页 |
| ·实验结果及分析 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 在读期间发表论文情况 | 第66页 |
