| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·汉字识别的研究背景及意义 | 第9-11页 |
| ·手写体汉字识别研究现状 | 第11-12页 |
| ·手写体汉字识别的问题与困难 | 第12-15页 |
| ·汉字规模大、字体多 | 第13页 |
| ·汉字结构繁杂、字形相近 | 第13-14页 |
| ·手写体风格迥异、随意性大 | 第14页 |
| ·缺乏稳定性 | 第14页 |
| ·缺乏系统的理论研究 | 第14-15页 |
| ·本文主要研究内容及结构 | 第15-17页 |
| 第二章 脱机手写体汉字识别基本原理 | 第17-30页 |
| ·图像的获取 | 第17-18页 |
| ·图像预处理 | 第18-24页 |
| ·平滑去噪 | 第18-19页 |
| ·二值化 | 第19-21页 |
| ·行字切分 | 第21-22页 |
| ·归一化 | 第22-23页 |
| ·细化 | 第23-24页 |
| ·特征提取 | 第24-27页 |
| ·特征提取的必要性 | 第24-25页 |
| ·特征提取的方法 | 第25-27页 |
| ·分类识别 | 第27-30页 |
| ·单分类器 | 第28页 |
| ·多分类器集成方法 | 第28-30页 |
| 第三章 神经网络在汉字识别中的应用 | 第30-40页 |
| ·人工神经网络 | 第30-33页 |
| ·人工神经网络原理 | 第31-32页 |
| ·人工神经网络在汉字识别中的应用 | 第32-33页 |
| ·BP神经网络 | 第33-40页 |
| ·BP神经网络的原理 | 第33-34页 |
| ·BP神经网络算法的实现 | 第34-35页 |
| ·基于BP神经网络结构的设计 | 第35-36页 |
| ·BP神经网络算法的改进 | 第36-37页 |
| ·BP神经网络算法的学习和训练 | 第37-40页 |
| 第四章 基于改进的BPNN与HMM的手写体汉字识别 | 第40-50页 |
| ·BPNN-HMM混合模型的优势 | 第40-41页 |
| ·隐马尔可夫模型 | 第41-44页 |
| ·隐马尔可夫模型概念 | 第41-42页 |
| ·隐马尔科夫模型的三个问题和相应算法 | 第42-44页 |
| ·基于改进的BPNN与HMM的脱机手写体汉字识别 | 第44-50页 |
| ·特征提取 | 第44-45页 |
| ·HMM模型选择和参数设置 | 第45-46页 |
| ·BPNN-HMM模型训练 | 第46-47页 |
| ·分类识别 | 第47-50页 |
| 第五章 脱机手写体汉字识别系统的设计与实现 | 第50-54页 |
| ·总体设计 | 第50页 |
| ·前台图像处理程序 | 第50-52页 |
| ·数据库设计 | 第52-53页 |
| ·识别结果 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |