基本数学公式识别技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| 1．1 问题的提出 | 第9-10页 |
| 1．2 公式识别系统处理的一般步骤 | 第10-12页 |
| 1．3 公式识别技术的国内外发展现状 | 第12-13页 |
| 1．4 本文工作概述 | 第13-14页 |
| 1．5 本文内容安排 | 第14-15页 |
| 2 图像的预处理 | 第15-25页 |
| 2．1 引言 | 第15页 |
| 2．2 灰度图像的二值化 | 第15-22页 |
| 2．2．1 概述 | 第15-17页 |
| 2．2．2 二值化方法介绍 | 第17-20页 |
| 2．2．3 本文所用二值化方法 | 第20-22页 |
| 2．3 平滑去噪处理 | 第22-24页 |
| 2．3．1 模板操作 | 第22-23页 |
| 2．3．2 邻域平均法去噪处理 | 第23-24页 |
| 2．4 图像的倾斜校正 | 第24-25页 |
| 3 公式与文本的分离 | 第25-35页 |
| 3．1 概述 | 第25-26页 |
| 3．2 行列切割统计 | 第26-32页 |
| 3．2．1 行切割 | 第27-29页 |
| 3．2．2 正文抽取及文字统计 | 第29-31页 |
| 3．2．3 可疑行抽取 | 第31-32页 |
| 3．3 公式区域的确认 | 第32-35页 |
| 4 公式中字符的分割 | 第35-47页 |
| 4．1 图像分割的定义 | 第35-36页 |
| 4．2 图像分割技术 | 第36-39页 |
| 4．2．1 阈值分割技术 | 第36页 |
| 4．2．2 聚类分割技术 | 第36-38页 |
| 4．2．3 区域生长技术 | 第38页 |
| 4．2．4 区域的分裂与合并技术 | 第38-39页 |
| 4．2．5 边缘检测与跟踪 | 第39页 |
| 4．3 本文所用分割技术 | 第39-42页 |
| 4．3．1 二值图像的连接性 | 第40-41页 |
| 4．3．2 基于8-连通的字符分割 | 第41-42页 |
| 4．4 分割出错处理 | 第42-47页 |
| 4．4．1 数学形态学与图象处理 | 第42-46页 |
| 4．4．2 本文分割可能出现的错误 | 第46-47页 |
| 5 公式字符的识别 | 第47-64页 |
| 5．1 常见的字符识别算法 | 第47-52页 |
| 5．1．1 统计特征字符识别技术 | 第47-48页 |
| 5．1．2 结构特征字符识别技术 | 第48-49页 |
| 5．1．3 神经网络识别技术 | 第49-51页 |
| 5．1．4 遗传算法 | 第51页 |
| 5．1．5 分形 | 第51-52页 |
| 5．2 本文所采用的方法 | 第52-58页 |
| 5．2．1 字模简介 | 第52-53页 |
| 5．2．2 神经网络感知机 | 第53-55页 |
| 5．2．3 系统所使用的感知机 | 第55-56页 |
| 5．2．4 网络的训练方法 | 第56-58页 |
| 5．3 字符的识别 | 第58-61页 |
| 5．3．1 归-化介绍 | 第58-59页 |
| 5．3．2 本文所使用的归-化方法 | 第59页 |
| 5．3．3 转换为(0，1)矩阵 | 第59-61页 |
| 5．4 数学公式的结构分析与再现简介 | 第61-64页 |
| 5．4．1 数学公式的结构分析 | 第61-63页 |
| 5．4．2 数学公式的再现 | 第63-64页 |
| 6 实验结果及分析 | 第64-70页 |
| 7 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 在学研究成果 | 第76-77页 |
| 致谢 | 第77页 |
