基于多光源照明的低对比度冲压字符识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 光学字符识别的研究现状 | 第10-12页 |
| 1.2.2 冲压字符识别的研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容和章节安排 | 第14-16页 |
| 第二章 多光源成像系统设计与图像融合算法 | 第16-27页 |
| 2.1 单光源成像系统 | 第16-17页 |
| 2.2 多光源成像系统 | 第17-18页 |
| 2.3 融合算法 | 第18-21页 |
| 2.3.1 背景均一化 | 第18-20页 |
| 2.3.2 图像融合增强 | 第20-21页 |
| 2.4 实验与结果分析 | 第21-26页 |
| 2.4.1 背景均一化 | 第21-23页 |
| 2.4.2 图像融合结果与分析 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 图像预处理与字符分割 | 第27-39页 |
| 3.1 相关图像算法 | 第27-32页 |
| 3.1.1 图像滤波 | 第27-28页 |
| 3.1.2 二值化 | 第28-29页 |
| 3.1.3 灰度投影 | 第29页 |
| 3.1.4 连通域标记 | 第29-30页 |
| 3.1.5 图像形态学运算 | 第30-31页 |
| 3.1.6 仿射变换 | 第31-32页 |
| 3.2 预处理的实现 | 第32-34页 |
| 3.2.1 图像滤波 | 第32页 |
| 3.2.2 二值化 | 第32-33页 |
| 3.2.3 消除小干扰 | 第33页 |
| 3.2.4 图像形态学闭运算 | 第33-34页 |
| 3.3 字符分割的实现 | 第34-37页 |
| 3.3.1 编号预分割 | 第34-35页 |
| 3.3.2 编号倾斜矫正 | 第35-36页 |
| 3.3.3 编号精分割 | 第36页 |
| 3.3.4 单一字符分割 | 第36-37页 |
| 3.4 字符归一化 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 字符识别算法 | 第39-50页 |
| 4.1 字符特征提取 | 第39-41页 |
| 4.1.1 投影直方图特征 | 第39页 |
| 4.1.2 方向梯度直方图特征 | 第39-41页 |
| 4.2 模板匹配算法 | 第41页 |
| 4.3 BP神经网络算法 | 第41-46页 |
| 4.3.1 神经网络模型 | 第41-43页 |
| 4.3.2 误差传播算法 | 第43-45页 |
| 4.3.3 基于BP神经网络的字符识别 | 第45-46页 |
| 4.4 实验与分析 | 第46-49页 |
| 4.4.1 实验数据 | 第46页 |
| 4.4.2 实验设计 | 第46-47页 |
| 4.4.3 实验结果与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 未来展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士期间的研究成果 | 第57-58页 |
| 致谢 | 第58页 |
