| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状分析 | 第12-15页 |
| 1.2.1 光学字符定位研究现状 | 第12-13页 |
| 1.2.2 卷积神经网络技术研究现状 | 第13-14页 |
| 1.2.3 卷积神经网络在光学字符识别的应用 | 第14-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 1.4 本文章节安排 | 第17-19页 |
| 第2章 工程图像字符定位算法及识别算法概述 | 第19-28页 |
| 2.1 传统定位算法 | 第19-21页 |
| 2.1.1 一般定位算法 | 第19-20页 |
| 2.1.2 FFT | 第20页 |
| 2.1.3 投影定位算法 | 第20-21页 |
| 2.2 连通域算法 | 第21-22页 |
| 2.3 特征提取 | 第22-23页 |
| 2.3.1 概述 | 第22页 |
| 2.3.2 特征类别 | 第22-23页 |
| 2.4 卷积神经网络 | 第23-24页 |
| 2.5 神经网络模型结构 | 第24-25页 |
| 2.6 多元神经网络结构 | 第25-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 基于工程图纸的改进连通域光学字符定位算法 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 常见的连通域算法分析 | 第28-31页 |
| 3.2.1 常见连通域算法比对 | 第28-30页 |
| 3.2.2 传统连通域算法应用于工图的劣势分析 | 第30-31页 |
| 3.3 改进的区域生长阈值连通域算法 | 第31-33页 |
| 3.3.1 构建算法描述 | 第31页 |
| 3.3.2 预备数据结构 | 第31-32页 |
| 3.3.3 干扰零件去除 | 第32-33页 |
| 3.4 设定字符阈值 | 第33-34页 |
| 3.5 基于干扰字符的工图直线判别 | 第34-38页 |
| 3.5.1 改进的霍夫变换阈值直线检测算法 | 第35-37页 |
| 3.5.2 连通直线阈值判定 | 第37-38页 |
| 第4章 基于工程图纸的改进卷积神经网络识别算法 | 第38-52页 |
| 4.1 图像识别算法概述 | 第38-39页 |
| 4.2 工程图纸字符识别的特殊情境 | 第39页 |
| 4.3 改进的LENET-5卷积神经网络算法 | 第39-49页 |
| 4.3.1 改进的Lenet-5卷积神经网络算法算法核心思想及创新 | 第40页 |
| 4.3.2 卷积 | 第40-42页 |
| 4.3.3 改进的池化算法 | 第42-43页 |
| 4.3.4 改进的Leaky-ReLU-Tanh激活函数算法 | 第43-46页 |
| 4.3.5 卷积神经网络高阶流程 | 第46-49页 |
| 4.4 卷积神经网络训练 | 第49-51页 |
| 4.4.1 训练过程 | 第49-50页 |
| 4.4.2 Drop Out训练算法 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 实验与分析 | 第52-63页 |
| 5.1 数据库 | 第52-55页 |
| 5.1.1 字符定位数据库 | 第52-54页 |
| 5.1.2 字符识别数据库 | 第54-55页 |
| 5.2 字符定位实验 | 第55-56页 |
| 5.3 字符识别实验 | 第56-59页 |
| 5.4 实验总结 | 第59-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介及在学期间所取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |