基于莫尔技术的标牌凹凸字符图像获取与识别研究
摘要 | 第1-13页 |
ABSTRACT | 第13-15页 |
第1章 绪论 | 第15-31页 |
·研究背景与目的意义 | 第15-16页 |
·研究背景 | 第15-16页 |
·研究目的意义 | 第16页 |
·标牌压印凹凸字符图像特点 | 第16-17页 |
·字符识别技术 | 第17-19页 |
·光学字符识别OCR | 第19-28页 |
·OCR系统处理方法 | 第19-20页 |
·基于莫尔技术的图像获取 | 第20-21页 |
·字符图像的预处理 | 第21-22页 |
·字符特征提取 | 第22-25页 |
·字符分类识别 | 第25-28页 |
·字符识别的后处理 | 第28页 |
·本文的研究方法和主要研究工作 | 第28-31页 |
第2章 基于莫尔技术的标牌字符图像获取 | 第31-57页 |
·莫尔条纹 | 第31-41页 |
·两正弦光栅形成的莫尔条纹及影响因素 | 第32-37页 |
·两矩形光栅叠加形成的莫尔条纹及参数影响 | 第37-41页 |
·莫尔等高线测量法 | 第41-42页 |
·阴影莫尔法 | 第42-50页 |
·阴影莫尔法几何原理 | 第43-44页 |
·阴影莫尔法光场调制原理 | 第44-50页 |
·光栅传感器的设计 | 第50-52页 |
·实验方法与结果 | 第52-56页 |
·几种光栅传感器对比实验 | 第53-54页 |
·莫尔图像与传统方法获取的图像对比实验 | 第54-55页 |
·字符笔画灰度值对比实验 | 第55-56页 |
·本章小结 | 第56-57页 |
第3章 标牌字符图像预处理方法研究 | 第57-76页 |
·标牌字符图像滤波增强 | 第57-60页 |
·邻域平均滤波法 | 第57-59页 |
·中值滤波法 | 第59-60页 |
·灰度拉伸变换 | 第60页 |
·图像边缘提取 | 第60-71页 |
·Canny算子边缘提取 | 第61-65页 |
·基于改进主动轮廓模型的图像边缘提取 | 第65-71页 |
·最佳全局阈值与局部阈值自适应的图像二值化算法 | 第71-73页 |
·阈值的确定 | 第71-72页 |
·自适应二值化算法 | 第72-73页 |
·二值图像噪声去除 | 第73-74页 |
·基于垂直投影的标牌字符分割 | 第74-75页 |
·本章小结 | 第75-76页 |
第4章 基于投影变换的标牌字符特征提取 | 第76-99页 |
·字符图像的圆周投影 | 第76-78页 |
·一维信号的小波分析 | 第78-84页 |
·小波多分辨率分析 | 第78-79页 |
·二尺度方程 | 第79-80页 |
·系数分解的快速算法 | 第80-82页 |
·投影曲线的小波分解 | 第82-84页 |
·一维信号的离散余弦变换 | 第84-87页 |
·一维离散余弦变换 | 第84页 |
·离散余弦变换快速算法 | 第84-85页 |
·投影曲线的DCT变换 | 第85-87页 |
·标牌字符特征提取实验 | 第87-98页 |
·数字集特征提取实验 | 第87-89页 |
·相似和不相似字符特征提取实验 | 第89-98页 |
·本章小结 | 第98-99页 |
第5章 基于最小二乘支持向量机的标牌字符识别 | 第99-112页 |
·支持向量机 | 第99-100页 |
·支持向量机分类算法 | 第100-103页 |
·线性可分情形 | 第100-101页 |
·非线性可分情形 | 第101-102页 |
·支持向量机的核函数 | 第102-103页 |
·最小二乘支持向量机 | 第103-106页 |
·最小二乘支持向量机 | 第103-105页 |
·参数动态自适应优化算法 | 第105-106页 |
·多元分类的最小二乘支持向量机 | 第106-107页 |
·一对多多元分类方法 | 第106-107页 |
·一对一多元分类方法 | 第107页 |
·实验方法和结果分析 | 第107-111页 |
·样本选择 | 第107-108页 |
·仿真及结果 | 第108-109页 |
·结果分析 | 第109-111页 |
·本章小结 | 第111-112页 |
结论 | 第112-115页 |
参考文献 | 第115-126页 |
攻读博士学位期间发表的学术论文 | 第126-127页 |
致谢 | 第127-128页 |
外文论文 | 第128-148页 |
学位论文评阅及答辩情况表 | 第148页 |