| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题的研究背景和意义 | 第15-16页 |
| 1.2 字符识别技术综述 | 第16-19页 |
| 1.2.1 传统光学字符识别概述 | 第16页 |
| 1.2.2 柱面压印字符与传统光学字符区别 | 第16-17页 |
| 1.2.3 柱面压印字符识别概述 | 第17-18页 |
| 1.2.4 字符识别技术的发展趋势和关键技术 | 第18-19页 |
| 1.3 课题来源及本文组织架构 | 第19-21页 |
| 第二章 图像采集和处理系统概述 | 第21-32页 |
| 2.1 柱面压印字符识别算法功能需求 | 第21页 |
| 2.2 图像采集系统设计 | 第21-30页 |
| 2.2.1 硬件设备选型 | 第22-28页 |
| 2.2.2 照明方案设计 | 第28-30页 |
| 2.3 图像处理算法实现工具 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 压印字符图像预处理方法 | 第32-41页 |
| 3.1 图像滤波去噪 | 第32-35页 |
| 3.1.1 均值滤波去噪 | 第32-33页 |
| 3.1.2 中值滤波去噪 | 第33-34页 |
| 3.1.3 高斯滤波去噪 | 第34-35页 |
| 3.2 图像增强技术 | 第35-38页 |
| 3.2.1 灰度缩放变换 | 第36-37页 |
| 3.2.2 直方图均衡化 | 第37-38页 |
| 3.3 改进的Hough变换倾斜矫正方法 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 字符定位、分割和轮廓优化算法实现 | 第41-62页 |
| 4.1 字符区域定位算法 | 第41-50页 |
| 4.1.1 常用的字符定位方法 | 第41-45页 |
| 4.1.2 一种新的基于先验知识的字符复合定位方法 | 第45-50页 |
| 4.2 单个字符分割算法 | 第50-59页 |
| 4.2.1 常用字符分割算法浅析 | 第50-51页 |
| 4.2.2 引入纹理特征分析的投影和连通域综合分割方法 | 第51-59页 |
| 4.3 字符轮廓优化和字符归一化 | 第59-61页 |
| 4.3.1 字符轮廓形态学优化 | 第59-60页 |
| 4.3.2 字符归一化 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 字符识别 | 第62-73页 |
| 5.1 字符特征提取 | 第62-65页 |
| 5.1.1 特征提取常用方法 | 第63页 |
| 5.1.2 引入灰度跳度的像素统计混合特征提取方法 | 第63-65页 |
| 5.2 经典字符识别方法 | 第65-69页 |
| 5.3 基于BP神经网络的字符识别算法实现 | 第69-72页 |
| 5.3.1 创建训练文件 | 第69-71页 |
| 5.3.2 训练神经网络分类器 | 第71页 |
| 5.3.3 字符识别和显示 | 第71-72页 |
| 5.4 本章小节 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表论文 | 第79-81页 |
| 致谢 | 第81页 |
