机打发票有效信息提取算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 国内外发展现状 | 第10-12页 |
| 1.3 研究内容及结构安排 | 第12-14页 |
| 第2章 发票字符图像预处理及特征提取 | 第14-27页 |
| 2.1 字符图像预处理 | 第14-19页 |
| 2.1.1 最大类间方差阈值分割算法 | 第14-15页 |
| 2.1.2 中值滤波和巴特沃斯滤波 | 第15-17页 |
| 2.1.3 字符图像模板化 | 第17-19页 |
| 2.2 数字字符特征提取 | 第19-22页 |
| 2.2.1 网格特征 | 第19-20页 |
| 2.2.2 笔划密度特征 | 第20-22页 |
| 2.3 汉字字符特征提取 | 第22-26页 |
| 2.3.1 灰度共生矩阵特征 | 第22-24页 |
| 2.3.2 小波变换特征 | 第24-25页 |
| 2.3.3 网格和笔划密度特征 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于支持向量机的分类及结果分析 | 第27-43页 |
| 3.1 支持向量机理论 | 第27-30页 |
| 3.1.1 统计学习理论 | 第27-28页 |
| 3.1.2 支持向量机基础理论 | 第28-30页 |
| 3.2 支持向量机模型参数选择 | 第30-32页 |
| 3.2.1 核函数的选择 | 第31页 |
| 3.2.2 惩罚因子的选择 | 第31-32页 |
| 3.3 字符分类 | 第32-42页 |
| 3.3.1 数字字符分类 | 第33-36页 |
| 3.3.2 汉字字符分类 | 第36-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 发票字符识别系统的实现 | 第43-51页 |
| 4.1 安卓系统简介 | 第43-44页 |
| 4.1.1 安卓系统架构 | 第43页 |
| 4.1.2 安卓四大组件 | 第43-44页 |
| 4.2 发票识别系统介绍 | 第44-50页 |
| 4.2.1 软件流程 | 第44-45页 |
| 4.2.2 数据库的建立 | 第45-47页 |
| 4.2.3 界面功能介绍 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间所发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
