人民币智能分捡器软件系统设计
| 第1章 绪论 | 第1-12页 |
| ·课题的背景及意义 | 第7-8页 |
| ·相关技术发展现状 | 第8-10页 |
| ·主要研究内容与成果 | 第10-12页 |
| 第2章 系统设计目标和实现方法 | 第12-19页 |
| ·分捡器的设计目标 | 第12-13页 |
| ·人民币张数计数方法 | 第13页 |
| ·伪钞鉴别方法 | 第13-15页 |
| ·荧光鉴伪 | 第13-14页 |
| ·磁性鉴伪 | 第14-15页 |
| ·红外鉴伪 | 第15页 |
| ·面额及版次识别方法 | 第15-16页 |
| ·成新度识别方法 | 第16-17页 |
| ·系统硬件总体结构 | 第17-19页 |
| 第3章 人民币图像处理 | 第19-32页 |
| ·数字图像表示 | 第19-21页 |
| ·二值图像 | 第19页 |
| ·灰度图像 | 第19-20页 |
| ·RGB彩色图像 | 第20页 |
| ·HSI彩色图像 | 第20-21页 |
| ·图像去噪声 | 第21-23页 |
| ·图像的噪声 | 第21页 |
| ·图像的平滑 | 第21-23页 |
| ·图像变换 | 第23-26页 |
| ·图像的倾斜校正 | 第26-28页 |
| ·纸币图像特征分析 | 第28-32页 |
| 第4章 模式识别及神经网络在人民币识别中的应用 | 第32-45页 |
| ·模式识别 | 第32-37页 |
| ·模式识别系统的基本构成 | 第32-33页 |
| ·特征提取和选择 | 第33-36页 |
| ·分类器的设计 | 第36-37页 |
| ·神经网络识别 | 第37-38页 |
| ·BP神经网络 | 第38-41页 |
| ·LVQ神经网络 | 第41-45页 |
| 第5章 人民币识别算法 | 第45-56页 |
| ·面额识别算法 | 第45-49页 |
| ·尺寸识别法 | 第45页 |
| ·特征块识别法 | 第45-46页 |
| ·BP-NN识别法 | 第46-49页 |
| ·成新度识别算法 | 第49-52页 |
| ·LVQ-NN识别法 | 第49-51页 |
| ·基于 HSI彩色图像的新旧识别法 | 第51-52页 |
| ·版次识别算法 | 第52-53页 |
| ·破损及污渍识别算法 | 第53-56页 |
| 第6章 系统的程序设计 | 第56-70页 |
| ·编程语言的选择 | 第56-58页 |
| ·模块化程序设计 | 第58-59页 |
| ·SCM程序设计 | 第59-65页 |
| ·系统主程序 | 第59-61页 |
| ·开机自检模块 | 第61-62页 |
| ·按键扫描模块 | 第62-63页 |
| ·鉴伪模块 | 第63-64页 |
| ·计数显示模块 | 第64-65页 |
| ·DSP程序设计 | 第65-67页 |
| ·SCM和 DSP通信程序设计 | 第67-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者在读硕士期间发表的学术论文 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78-102页 |
