人民币纸币序列号识别方法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·课题背景 | 第8页 |
| ·当前的字符识别研究情况 | 第8-9页 |
| ·识别的基本过程 | 第9-11页 |
| ·本论文内容 | 第11-12页 |
| 第2章 图像预处理 | 第12-28页 |
| ·图像采集 | 第12页 |
| ·图像的噪声 | 第12-13页 |
| ·图像的去噪 | 第13-15页 |
| ·中值滤波 | 第14-15页 |
| ·二值化 | 第15-18页 |
| ·灰度直方图 | 第15-16页 |
| ·图像的阈值分割 | 第16-18页 |
| ·图像的倾斜校正 | 第18-19页 |
| ·纸币图像的定位分割 | 第19-21页 |
| ·序列号切分与单字符切分 | 第21-25页 |
| ·序列号切分 | 第21-23页 |
| ·单字切分 | 第23-25页 |
| ·字符图像的归一化 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 特征提取 | 第28-37页 |
| ·特征提取 | 第28-29页 |
| ·特征提取的方法 | 第28-29页 |
| ·字符识别中常用的特征提取的方法 | 第29页 |
| ·常用统计特征分析 | 第29-33页 |
| ·方向线素特征 | 第30-31页 |
| ·穿越特征 | 第31页 |
| ·外围特征 | 第31-32页 |
| ·网格特征 | 第32-33页 |
| ·本系统的特征选择及组合 | 第33-36页 |
| ·特征选择方法及实验 | 第33-34页 |
| ·特征组合原理 | 第34-35页 |
| ·系统中采用的特征组合策略及实验 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于人工神经网络的识别方法 | 第37-49页 |
| ·模式识别 | 第37-39页 |
| ·模式和模式类 | 第37-38页 |
| ·模式识别系统的组成 | 第38页 |
| ·模式识别方法 | 第38-39页 |
| ·人工神经网络 | 第39-44页 |
| ·神经网络简介 | 第39-40页 |
| ·神经网络模式识别特点和类型 | 第40-41页 |
| ·反向传播算法(BP算法) | 第41-44页 |
| ·基于BP神经网络的识别系统 | 第44-46页 |
| ·输入层和输出层单元数的确定 | 第44-45页 |
| ·隐层单元数的确定 | 第45页 |
| ·初始值和神经元激励函数的选取 | 第45-46页 |
| ·系统性能实验 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
