摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 研究背景和意义 | 第10-11页 |
1.2 研究历史和现状 | 第11-14页 |
1.2.1 自动阅卷研究现状 | 第11-12页 |
1.2.2 图形识别研究现状 | 第12-13页 |
1.2.3 图像识别研究现状 | 第13-14页 |
1.3 研究内容 | 第14-15页 |
1.4 论文组织结构 | 第15-16页 |
第2章 相关技术 | 第16-22页 |
2.1 直线检测算法 | 第16-18页 |
2.1.1 霍夫变换 | 第16-17页 |
2.1.2 Radon变换 | 第17页 |
2.1.3 最小二乘法 | 第17页 |
2.1.4 随机抽样一致性算法 | 第17页 |
2.1.5 Freeman链码 | 第17-18页 |
2.1.6 直线段检测算法 | 第18页 |
2.2 卷积神经网络 | 第18-21页 |
2.2.1 卷积神经网络概述 | 第18-19页 |
2.2.2 卷积神经网络特点 | 第19页 |
2.2.3 经典卷积神经网络 | 第19-20页 |
2.2.4 卷积神经网络的工作机制 | 第20-21页 |
2.3 本章小结 | 第21-22页 |
第3章 基于霍夫直线检测的几何图形拓扑结构提取算法 | 第22-48页 |
3.1 图像预处理 | 第22-23页 |
3.2 霍夫直线检测 | 第23-25页 |
3.2.1 霍夫变换基本原理 | 第23-24页 |
3.2.2 统计概率霍夫变换 | 第24-25页 |
3.2.3 几何图形直线检测 | 第25页 |
3.3 图形边的提取算法 | 第25-31页 |
3.3.1 边提取算法流程 | 第25-26页 |
3.3.2 线段聚类标准 | 第26-28页 |
3.3.3 线段聚类 | 第28-30页 |
3.3.4 线段合并 | 第30-31页 |
3.4 图形顶点的提取算法 | 第31-37页 |
3.4.1 顶点提取算法设计原理 | 第31-33页 |
3.4.2 生成顶点数组 | 第33-35页 |
3.4.3 补充关联边 | 第35-36页 |
3.4.4 顶点合并 | 第36页 |
3.4.5 顶点提取算法流程 | 第36-37页 |
3.5 图形拓扑结构的提取算法 | 第37-38页 |
3.6 实验结果和分析 | 第38-47页 |
3.6.1 图像预处理 | 第38-39页 |
3.6.2 边提取实验及影响因素分析 | 第39-43页 |
3.6.3 顶点提取实验 | 第43-45页 |
3.6.4 边提取结果对顶点提取的影响 | 第45-46页 |
3.6.5 拓扑结构提取实验 | 第46页 |
3.6.6 边、顶点的提取与拓扑结构提取的关系 | 第46-47页 |
3.7 本章小结 | 第47-48页 |
第4章 基于图形同构及CNN的几何图形识别方法 | 第48-64页 |
4.1 手绘图形识别问题 | 第48-49页 |
4.2 同构几何图形生成原理 | 第49-50页 |
4.2.1 同构几何图形生成原则 | 第49页 |
4.2.2 判定图形顶点移动性 | 第49-50页 |
4.2.3 确定图像顶点移动范围 | 第50页 |
4.3 同构几何图形自动生成算法 | 第50-53页 |
4.3.1 校准边的端点 | 第50-52页 |
4.3.2 关联边移动性 | 第52页 |
4.3.3 顶点移动性及移动范围 | 第52页 |
4.3.4 算法步骤 | 第52-53页 |
4.4 基于CNN的识别算法实现 | 第53-57页 |
4.4.1 TensorFlow框架 | 第53-54页 |
4.4.2 卷积神经网络结构设计 | 第54-57页 |
4.5 算法实现与结果分析 | 第57-63页 |
4.5.1 同构图形生成 | 第57-58页 |
4.5.2 构建训练集 | 第58-60页 |
4.5.3 基于CNN的几何图形识别方法 | 第60-63页 |
4.6 本章小结 | 第63-64页 |
第5章 几何图形识别方法的应用 | 第64-70页 |
5.1 辅助线获取 | 第64-65页 |
5.2 中英文字符混合识别 | 第65-67页 |
5.3 流程图识别 | 第67-68页 |
5.4 本章小结 | 第68-70页 |
结论 | 第70-72页 |
参考文献 | 第72-78页 |
攻读硕士学位期间的研究成果 | 第78-80页 |
致谢 | 第80页 |