基于BP神经网络的字符识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-23页 |
| ·人工神经网络的发展概况及现状 | 第10-16页 |
| ·人工神经网路的起源 | 第10-11页 |
| ·神经元模型 | 第11-13页 |
| ·神经网络的结构 | 第13-15页 |
| ·神经网络的学习过程 | 第15-16页 |
| ·神经网络的研究与应用 | 第16页 |
| ·字符识别的研究历史及现状 | 第16-21页 |
| ·字符的表示 | 第16-18页 |
| ·字符识别的过程 | 第18页 |
| ·字符识别的方法 | 第18-20页 |
| ·基于神经网络的字符识别 | 第20-21页 |
| ·本论文的选题和研究内容 | 第21-23页 |
| ·选题背景 | 第21页 |
| ·选题的应用价值 | 第21页 |
| ·课题的可行性 | 第21页 |
| ·本课题的研究内容 | 第21-22页 |
| ·本课题的研究目标 | 第22-23页 |
| 第二章 相关技术 | 第23-35页 |
| ·图像处理 | 第23-27页 |
| ·图像的存储 | 第23-24页 |
| ·图像的颜色系统 | 第24-26页 |
| ·BMP 图像的文件格式 | 第26页 |
| ·GDI+ 图形 | 第26-27页 |
| ·感知器模型 | 第27-29页 |
| ·单层感知器 | 第27-28页 |
| ·多层感知器 | 第28-29页 |
| ·误差回传神经网络——BP 网络 | 第29-35页 |
| ·BP 网络的学习期 | 第29-30页 |
| ·BP 网络的工作期 | 第30页 |
| ·正向传播 | 第30-31页 |
| ·反向传播 | 第31-32页 |
| ·BP 网络学习算法 | 第32-33页 |
| ·BP 网络的优点 | 第33页 |
| ·BP 的改进 | 第33-35页 |
| 第三章 字符识别方法的研究与实现 | 第35-55页 |
| ·字符识别模型的建立 | 第35页 |
| ·实验环境的搭建 | 第35页 |
| ·图像预处理 | 第35-45页 |
| ·位图灰度化 | 第36-37页 |
| ·图片二值化 | 第37-39页 |
| ·图片锐化处理 | 第39-40页 |
| ·去噪点处理 | 第40页 |
| ·图片的初步裁剪 | 第40-42页 |
| ·整体倾斜度调整 | 第42页 |
| ·字符分割 | 第42-44页 |
| ·图像的归一化处理 | 第44页 |
| ·特征提取 | 第44-45页 |
| ·字符识别 | 第45-55页 |
| ·传统的字符识别方法 | 第45-48页 |
| ·改进的字符识别方法 | 第48-50页 |
| ·实验测试 | 第50-53页 |
| ·实验结果分析 | 第53-55页 |
| 第四章 总结和展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录 | 第60-82页 |
