复杂背景下证件识别技术的研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 OCR技术的发展及研究现状 | 第12-16页 |
| 1.2.1 OCR发展历史 | 第12-13页 |
| 1.2.2 OCR技术简介 | 第13-14页 |
| 1.2.3 国内外发展现状 | 第14-16页 |
| 1.3 论文主要工作 | 第16-19页 |
| 第二章 目标证件在图像中的检测 | 第19-35页 |
| 2.1 图像预处理 | 第19-24页 |
| 2.1.1 高斯模糊 | 第21-23页 |
| 2.1.2 灰度化 | 第23-24页 |
| 2.2 多算子检测 | 第24-28页 |
| 2.2.1 Canny算子 | 第25-27页 |
| 2.2.2 Sobel算子 | 第27页 |
| 2.2.3 混合算子边缘检测 | 第27-28页 |
| 2.3 区域提取 | 第28-31页 |
| 2.3.1 二值化 | 第28-29页 |
| 2.3.2 闭操作 | 第29-31页 |
| 2.4 SVM分类 | 第31-33页 |
| 2.5 倾斜矫正 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 文字区域检测及切割 | 第35-43页 |
| 3.1 文字区域检测 | 第35-41页 |
| 3.1.1 传统文字区域检测方法介绍 | 第35-37页 |
| 3.1.2 基于神经网络的文字区域检测方法 | 第37-41页 |
| 3.2 字切分 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 基于深度学习的字符识别算法 | 第43-55页 |
| 4.1 深度学习概述 | 第43页 |
| 4.2 深度学习模型设计 | 第43-52页 |
| 4.2.1 学习方法选取 | 第44-46页 |
| 4.2.2 训练算法设计 | 第46-47页 |
| 4.2.3 网络结构设计 | 第47-50页 |
| 4.2.4 激活函数的选取 | 第50-52页 |
| 4.3 模型训练数据集 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 系统整体设计及实验 | 第55-68页 |
| 5.1 系统架构 | 第55-56页 |
| 5.2 系统实现 | 第56-58页 |
| 5.3 实验结果及分析 | 第58-66页 |
| 5.3.1 实验环境介绍 | 第58-59页 |
| 5.3.2 多算子边缘检测实验 | 第59-61页 |
| 5.3.3 并行检测实验 | 第61-62页 |
| 5.3.4 证件分类实验 | 第62页 |
| 5.3.5 文字区域检测实验 | 第62-63页 |
| 5.3.6 文字切割实验 | 第63-64页 |
| 5.3.7 文字识别实验 | 第64-65页 |
| 5.3.8 身份证整体识别率测试 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻硕期间取得的成果 | 第76-77页 |
