| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 预备知识 | 第15-27页 |
| 2.1 降噪算法原理 | 第15-16页 |
| 2.2 图像降噪主流技术 | 第16-19页 |
| 2.2.1 中值滤波降噪 | 第16页 |
| 2.2.2 小波降噪 | 第16-18页 |
| 2.2.3 偏微分方程(PDE)降噪 | 第18-19页 |
| 2.3 图像切割技术 | 第19-20页 |
| 2.3.1 基于投影分割 | 第19页 |
| 2.3.2 区域平均分割 | 第19-20页 |
| 2.4 图像识别技术 | 第20-25页 |
| 2.4.1 径向基神经网络(RBF) | 第20-21页 |
| 2.4.2 概率神经网络(PNN) | 第21-22页 |
| 2.4.3 自组织增量神经网络(SOINN) | 第22-25页 |
| 2.5 图像预处理质量评价及分析 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 第三章 验证码图像识别 | 第27-42页 |
| 3.1 验证码字符降噪 | 第27-31页 |
| 3.1.1 常用的的降噪声方法 | 第27-31页 |
| 3.2 验证码字符切割 | 第31-35页 |
| 3.2.1 传统的切割方法 | 第31-32页 |
| 3.2.2 一种改进图像分割方法 | 第32-35页 |
| 3.3 验证码字符识别 | 第35-41页 |
| 3.3.1 径向基神经网络(RBF)识别 | 第35-37页 |
| 3.3.2 概率神经网络(PNN)识别 | 第37-39页 |
| 3.3.3 自组织增量神经网络(SOINN)表征拓扑结构 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 PNN-SOINN-RBF网络的验证码识别模型与算法 | 第42-56页 |
| 4.1 离线的PNN-SOINN-RBF网络验证码识别 | 第43-50页 |
| 4.1.1 离线模型识别模型 | 第43-44页 |
| 4.1.2 离线模型识别算法 | 第44-47页 |
| 4.1.3 实验分析 | 第47-50页 |
| 4.2 在线的PNN-SOINN-RBF网络验证码识别 | 第50-54页 |
| 4.2.1 节点权重计算 | 第51-52页 |
| 4.2.2 节点增、删策略 | 第52页 |
| 4.2.3 在线增量模型识别模型 | 第52-53页 |
| 4.2.4 在线增量模型识别算法 | 第53页 |
| 4.2.5 实验结果分析 | 第53-54页 |
| 4.3 本章小结 | 第54-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表的论文 | 第62-66页 |
| 致谢 | 第66页 |
