基于图像处理技术的物流数字化管理系统的实现
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·引言 | 第8页 |
| ·课题研究的背景及其理论意义 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·研究的难点 | 第10页 |
| ·识别系统的性能评价 | 第10-11页 |
| ·本文的研究工作 | 第11-12页 |
| 第2章 数字及英文字母识别技术的概述 | 第12-27页 |
| ·字符图像处理的流程 | 第12-25页 |
| ·字符图像预处理技术 | 第12-23页 |
| ·特征提取介绍 | 第23-25页 |
| ·数字和字母识别的主要方法 | 第25-26页 |
| ·神经网络方法 | 第25-26页 |
| ·支持向量机方法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 手写字符识别中的支持向量机状态分类器 | 第27-47页 |
| ·引言 | 第27页 |
| ·传统神经网络分类器 | 第27-33页 |
| ·BP 神经网络 | 第28-31页 |
| ·RBF 神经网络 | 第31-33页 |
| ·神经网络在手写字符中的应用 | 第33-36页 |
| ·BP 神经网络分类 | 第33-35页 |
| ·RBF 神经网络分类 | 第35-36页 |
| ·统计学习理论与支持向量机 | 第36-46页 |
| ·神经网络分类器存在的问题 | 第36-37页 |
| ·统计学习理论简介 | 第37-41页 |
| ·支持向量机方法介绍 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于支持向量机的数字及字母识别系统设计 | 第47-54页 |
| ·引言 | 第47页 |
| ·训练测试样本集的建立 | 第47页 |
| ·系统结构组成 | 第47-53页 |
| ·设计概述 | 第47-49页 |
| ·特征提取 | 第49页 |
| ·支持向量机识别器建立 | 第49-52页 |
| ·实验结果与分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于手机平台的物流信息采集软件的设计 | 第54-59页 |
| ·手机拍摄图像的特点 | 第54-55页 |
| ·手机平台下物流信息采集软件的总体思想和关键技术 | 第55页 |
| ·物流信息采集软件的手机硬件平台 | 第55-56页 |
| ·手机平台下的物流信息采集软件设计 | 第56-58页 |
| ·手写字符图像预处理模块 | 第57页 |
| ·手写字符图像特征提取模块 | 第57-58页 |
| ·手写字符图像识别模块 | 第58页 |
| ·VC 中的物流信息采集软件效果仿真 | 第58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66页 |
