| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 本文贡献 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第2章 相关研究与技术综述 | 第17-26页 |
| 2.1 图像特征表达 | 第17-20页 |
| 2.1.1 GIST特征 | 第17-18页 |
| 2.1.2 SIFT特征 | 第18-20页 |
| 2.2 相似性敏感编码算法 | 第20-21页 |
| 2.3 高维数据索引算法 | 第21-23页 |
| 2.3.1 谱哈希算法 | 第21-22页 |
| 2.3.2 随机K-D树算法 | 第22-23页 |
| 2.3.3 优先搜索k-means树算法 | 第23页 |
| 2.4 汉字识别相关研究 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于GIST-SIFT-SSC的汉字识别算法 | 第26-42页 |
| 3.1 算法总体框架 | 第26-27页 |
| 3.2 GIST特征提取 | 第27-29页 |
| 3.3 SIFT特征过滤 | 第29-30页 |
| 3.4 SSC训练与编码 | 第30-32页 |
| 3.5 汉字识别算法 | 第32-35页 |
| 3.6 实验结果与分析 | 第35-41页 |
| 3.6.1 图像像素测试 | 第35-36页 |
| 3.6.2 特征维度测试 | 第36-37页 |
| 3.6.3 匹配算法对比实验 | 第37-40页 |
| 3.6.4 识别算法对比实验 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 基于卷积神经网络的书法字识别 | 第42-51页 |
| 4.1 Caffe架构 | 第42-43页 |
| 4.2 识别算法框架 | 第43-44页 |
| 4.3 深度特征提取 | 第44-45页 |
| 4.4 基于MQDF的书法字识别 | 第45-47页 |
| 4.5 实验结果与分析 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 系统设计与实现 | 第51-66页 |
| 5.1 算法应用架构 | 第51-52页 |
| 5.2 建立汉字图像库 | 第52-53页 |
| 5.3 基于JNI的特征提取 | 第53-55页 |
| 5.4 基于SSC的特征压缩 | 第55-57页 |
| 5.5 Android平台实现 | 第57-62页 |
| 5.5.1 系统架构 | 第57-58页 |
| 5.5.2 用户界面 | 第58-59页 |
| 5.5.3 性能测试 | 第59-60页 |
| 5.5.4 识别对比 | 第60-62页 |
| 5.6 Windows平台实现 | 第62-65页 |
| 5.6.1 系统架构 | 第62-63页 |
| 5.6.2 用户界面 | 第63-65页 |
| 5.7 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简历 | 第75页 |