| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 模板匹配的方法 | 第10-11页 |
| 1.2.2 神经网络的方法 | 第11页 |
| 1.2.3 基于SVM的字符识别方法 | 第11页 |
| 1.2.4 语义识别的方法 | 第11-12页 |
| 1.3 概率图模型的发展 | 第12页 |
| 1.4 课题研究的主要内容及结构安排 | 第12-14页 |
| 1.4.1 研究内容 | 第12-13页 |
| 1.4.2 结构安排 | 第13-14页 |
| 第2章 发票图像预处理 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 发票特点分析 | 第14-16页 |
| 2.3 发票图像预处理 | 第16-27页 |
| 2.3.1 图像灰度化 | 第16-17页 |
| 2.3.2 图像二值化 | 第17-19页 |
| 2.3.3 边缘检测 | 第19页 |
| 2.3.4 发票倾斜矫正 | 第19-23页 |
| 2.3.5 图像去噪 | 第23-25页 |
| 2.3.7 形态学处理 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 发票内容提取及语义关联 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 字符内容定位 | 第28-33页 |
| 3.2.1 基于频域处理的字符区域定位 | 第28-29页 |
| 3.2.2 基于机器学习的字符区域定位 | 第29页 |
| 3.2.3 基于轮廓特征的字符区域定位 | 第29-30页 |
| 3.2.4 基于先验知识和RGB特征的字符区域定位 | 第30-33页 |
| 3.3 发票内容分割 | 第33-35页 |
| 3.3.1 发票固定内容的字符分割 | 第33-35页 |
| 3.3.2 发票机打内容的字符分割 | 第35页 |
| 3.4 发票机打信息与固定信息的语义关联 | 第35-38页 |
| 3.4.1 发票固定信息标号 | 第36页 |
| 3.4.2 发票内容语义关联 | 第36-37页 |
| 3.4.3 发票内容语义关联实验 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 发票内容自动识别方法研究 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 概率图模型理论 | 第39-44页 |
| 4.2.1 贝叶斯网络的适用性 | 第42页 |
| 4.2.2 贝叶斯网络推理 | 第42-43页 |
| 4.2.3 发票内容识别的贝叶斯网络建立 | 第43-44页 |
| 4.3 发票内容自动分类实现 | 第44-48页 |
| 4.3.1 发票固定信息属性的提取 | 第44-45页 |
| 4.3.2 发票固定信息的分类 | 第45-47页 |
| 4.3.3 贝叶斯网络推理的实现 | 第47-48页 |
| 4.4 tesseract-OCR字符识别 | 第48-50页 |
| 4.4.1 tesseract-OCR字符识别方法 | 第48-49页 |
| 4.4.2 基于先验知识的识别矫正 | 第49-50页 |
| 4.5 实验及分析 | 第50-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |