基于卷积神经网络的字符型图片识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第7-13页 |
| 1.1 选题背景和研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 图片的预处理 | 第13-18页 |
| 2.1 字符型图片的识别流程 | 第13-14页 |
| 2.2 字符型图片灰度化 | 第14页 |
| 2.3 字符型图片二值化 | 第14-15页 |
| 2.4 高斯滤波 | 第15-16页 |
| 2.5 八邻域降噪 | 第16-17页 |
| 2.6 字符的分割——外部矩形边界 | 第17-18页 |
| 第三章 字符型图片识别技术 | 第18-26页 |
| 3.1 CNN原理 | 第18-19页 |
| 3.2 卷积运算 | 第19-20页 |
| 3.3 降低卷积网络参数数量 | 第20-23页 |
| 3.4 多卷积核 | 第23页 |
| 3.5 池化 | 第23-26页 |
| 第四章 实证分析 | 第26-33页 |
| 4.1 图片特征分析 | 第26页 |
| 4.2 图片预处理 | 第26-27页 |
| 4.3 高斯滤波去噪 | 第27页 |
| 4.4 八邻域降噪 | 第27-28页 |
| 4.5 图片的识别 | 第28-33页 |
| 第五章 总结与展望 | 第33-35页 |
| 5.1 本文总结 | 第33页 |
| 5.2 展望 | 第33-35页 |
| 参考文献 | 第35-37页 |
| 附录 | 第37-43页 |
| 致谢 | 第43-44页 |
