| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| ·选题背景和意义 | 第8-10页 |
| ·选题背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·古汉字识别国内外现状 | 第10-11页 |
| ·分类识别技术的国内外现状 | 第11-14页 |
| ·古汉字图像识别的特点及难点 | 第14-17页 |
| ·论文的构成 | 第17-19页 |
| 第二章 具有自适应功能的预处理算法研究 | 第19-41页 |
| ·传统预处理算法分析 | 第19-30页 |
| ·古汉字图像二值化处理分析 | 第19-23页 |
| ·古汉字图像归一化处理分析 | 第23-25页 |
| ·古汉字图像的反色处理分析 | 第25-26页 |
| ·古汉字图像去噪处理分析 | 第26-29页 |
| ·古汉字图像细化和骨架化处理分析 | 第29-30页 |
| ·传统预处理算法在古汉字识别领域存在的问题 | 第30-32页 |
| ·具有自适应功能的预处理算法 | 第32-40页 |
| ·小结 | 第40-41页 |
| 第三章 基于结构与统计的多特征融合方法研究 | 第41-56页 |
| ·古汉字图像特征方法分析 | 第41-47页 |
| ·结构特征方法分析 | 第41-43页 |
| ·统计特征方法分析 | 第43-47页 |
| ·单一特征方法存在的缺陷 | 第47-48页 |
| ·多特征融合的特征方法 | 第48-54页 |
| ·基于结构与全局点密度特征的串行融合方法 | 第48-53页 |
| ·基于网格和局部点密度特征的并行融合方法 | 第53-54页 |
| ·小结 | 第54-56页 |
| 第四章 多特征融合的分类识别模型建立 | 第56-68页 |
| ·支持向量机的基本原理 | 第56-59页 |
| ·最优分类超平面 | 第56-57页 |
| ·线性可分 | 第57页 |
| ·近似线性可分 | 第57-58页 |
| ·非线性可分 | 第58页 |
| ·核函数 | 第58-59页 |
| ·基于SVM分类识别模型的建立 | 第59-67页 |
| ·多特征串行融合的粗分类识别模型 | 第59-62页 |
| ·多特征并行融合的细分类识别模型 | 第62-67页 |
| ·小结 | 第67-68页 |
| 第五章 自适应预处理算法及多特征融合的SVM在古汉字图像识别中的应用 | 第68-82页 |
| ·古汉字图像识别流程分析 | 第68-69页 |
| ·具有自适应功能的古汉字图像预处理 | 第69-71页 |
| ·多特征融合的古汉字图像特征 | 第71-75页 |
| ·多特征融合的SVM分类模型建立 | 第75-78页 |
| ·古汉字图像分类识别系统的设计与开发 | 第78-81页 |
| ·小结 | 第81-82页 |
| 第六章 结论和展望 | 第82-84页 |
| ·结论 | 第82-83页 |
| ·展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-89页 |
| 攻读学位期间主要的究成果 | 第89页 |