金属材料压印凹凸小类别字符的识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及目的意义 | 第8-9页 |
| ·研究背景 | 第8页 |
| ·目的意义 | 第8-9页 |
| ·金属压印凹凸字符图像的特点 | 第9-10页 |
| ·字符识别技术 | 第10-12页 |
| ·字符识别技术的分类 | 第10-12页 |
| ·国内外的研究现状及前景 | 第12页 |
| ·本文主要内容 | 第12-14页 |
| 第二章 模式识别理论及其在字符识别中的应用 | 第14-20页 |
| ·模式识别技术的基本理论 | 第14-15页 |
| ·模式识别的基本概念 | 第14页 |
| ·模式识别的方法 | 第14-15页 |
| ·模式识别技术在OCR中的应用 | 第15-17页 |
| ·文字识别系统的组成 | 第16页 |
| ·文字识别方法 | 第16-17页 |
| ·角铁字符识别系统的设计 | 第17-19页 |
| ·识别分拣系统 | 第17-18页 |
| ·图像采集 | 第18页 |
| ·图像信息分析及处理 | 第18-19页 |
| ·字符的分类判别 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 数字图像处理预处理及字符特征提取 | 第20-36页 |
| ·图像在计算机内的存储与表示 | 第20-22页 |
| ·对图像的数字化存储 | 第20页 |
| ·表示颜色的常用方法 | 第20-21页 |
| ·位图与调色板的概念 | 第21-22页 |
| ·真彩色图像转化为灰度图像 | 第22-23页 |
| ·图像增强 | 第23-26页 |
| ·灰度变换增强 | 第23-25页 |
| ·图像的平滑处理 | 第25-26页 |
| ·边缘检测与图像分割 | 第26-31页 |
| ·边缘检测 | 第26-29页 |
| ·改进的自适应图像二值化方法 | 第29-31页 |
| ·二值图像的噪声去除 | 第31页 |
| ·角铁的倾斜校正 | 第31-32页 |
| ·单个字符的切分 | 第32页 |
| ·图像的归一化处理 | 第32-33页 |
| ·图像的紧缩重排 | 第33页 |
| ·特征提取 | 第33-34页 |
| ·13特征点提取方法 | 第34页 |
| ·外围轮廓特征与13点特征法的结合 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于人工神经网络的角铁字符识别 | 第36-48页 |
| ·人工神经网络概述 | 第36-37页 |
| ·人工神经网络的特征 | 第36-37页 |
| ·神经网络的研究方向 | 第37页 |
| ·神经网络在图像识别中的应用 | 第37-38页 |
| ·神经元模型 | 第38-39页 |
| ·BP神经网络 | 第39-42页 |
| ·标准BP算法 | 第40-41页 |
| ·BP算法的改进 | 第41-42页 |
| ·神经网络识别系统的设计 | 第42-44页 |
| ·训练样本数 | 第42-43页 |
| ·网络的结构设计 | 第43-44页 |
| ·网络的训练设计 | 第44页 |
| ·拒绝识别策略 | 第44页 |
| ·针对字符的BP神经网络分类系统 | 第44-46页 |
| ·各层节点数的设计 | 第44-45页 |
| ·网络参数的选取 | 第45页 |
| ·网络的训练设计 | 第45页 |
| ·网络的拒绝识别策略 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 实验测试与结果 | 第48-50页 |
| ·实验测试 | 第48页 |
| ·实验结果 | 第48-50页 |
| ·部分训练样本 | 第48-49页 |
| ·结果分析 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·论文总结 | 第50页 |
| ·下一步工作的展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 攻读硕士学位期间发表论文及参与科研工作 | 第57页 |
