金融票据的版面分析及手写数字的识别
第一章 绪论 | 第1-14页 |
1.1 引言 | 第10-11页 |
1.2 金融票据自动处理的发展现状 | 第11-12页 |
1.3 本文的研究内容及结构安排 | 第12-14页 |
第二章 票据版面分析系统原型 | 第14-37页 |
2.1 票据版面分析系统原型的提出 | 第14-20页 |
2.1.1 基本概念 | 第14-18页 |
2.1.1.1 票据版面的特征尺度 | 第14-15页 |
2.1.1.2 票据版面的描述 | 第15-18页 |
2.1.2 票据版面分析的特点 | 第18页 |
2.1.3 票据版面分析的难点 | 第18-19页 |
2.1.4 票据版面分析系统原型 | 第19-20页 |
2.2 版面学习 | 第20-29页 |
2.2.1 预处理 | 第21-25页 |
2.2.1.1 票据版面的二值化 | 第21-22页 |
2.2.1.2 票据版面的平滑处理 | 第22-23页 |
2.2.1.3 票据版面的倾斜校正 | 第23-25页 |
2.2.2 提取票据表格信息 | 第25-29页 |
2.2.2.1 概述 | 第25页 |
2.2.2.2 票据类型特征的提取 | 第25-26页 |
2.2.2.3 票据表格物理结构提取方案 | 第26-28页 |
2.2.2.4 票据表格逻辑结构提取方案 | 第28页 |
2.2.2.5 票据类型库 | 第28-29页 |
2.3 票据版面类型识别 | 第29-31页 |
2.3.1 基于类型特征域的识别 | 第29-30页 |
2.3.2 基于线结构布局的识别 | 第30-31页 |
2.4 变域的版面分析 | 第31-37页 |
2.4.1 无损脱框 | 第31-34页 |
2.4.1.1 构造去线噪声模型的方法 | 第32-33页 |
2.4.1.2 基于差分的算法 | 第33-34页 |
2.4.2 数字串分割 | 第34-37页 |
2.4.2.1 基本概念 | 第34-35页 |
2.4.2.2 分割方法分类 | 第35-36页 |
2.4.2.3 分割位置的确定 | 第36-37页 |
第三章 手写数字识别 | 第37-59页 |
3.1 基本概念 | 第37-39页 |
3.1.1 模式识别的一般原理 | 第37-38页 |
3.1.1.1 模式的概念 | 第37页 |
3.1.1.2 模式识别的方法 | 第37页 |
3.1.1.3 特征提取和选择 | 第37-38页 |
3.1.1.4 分类决策 | 第38页 |
3.1.2 手写数字识别概述 | 第38-39页 |
3.2 基于拓扑结构的方法 | 第39-48页 |
3.2.1 基本概念 | 第39-41页 |
3.2.2 特征提取 | 第41-45页 |
3.2.2.1 基本知识 | 第41页 |
3.2.2.2 预处理 | 第41-42页 |
3.2.2.3 背景16值变换的意义 | 第42-43页 |
3.2.2.4 背景16值变换的步骤 | 第43-44页 |
3.2.2.5 轮廓跟踪的意义 | 第44页 |
3.2.2.6 轮廓跟踪的内容 | 第44-45页 |
3.2.3 模式分类 | 第45-47页 |
3.2.3.1 基本原理简介 | 第45-46页 |
3.2.3.2 系统实现 | 第46-47页 |
3.2.4 实验结果 | 第47-48页 |
3.3 基于轮廓分段特征的方法 | 第48-51页 |
3.3.1 特征提取 | 第49-50页 |
3.3.1.1 轮廓提取 | 第49-50页 |
3.3.1.2 字符的特征基元结构描述 | 第50页 |
3.3.2 模式分类 | 第50-51页 |
3.3.2.1 基于相似度的分类 | 第50页 |
3.3.2.2 识别与拒识准则 | 第50-51页 |
3.4 两种方法的比较与改进 | 第51-52页 |
3.5 手写数字识别系统的改进原型 | 第52-59页 |
3.5.1 特征提取过程的改进 | 第52页 |
3.5.2 模式分类过程的改进 | 第52-59页 |
3.5.2.1 多分类器技术的引入 | 第53-55页 |
3.5.2.2 神经网络技术的引入 | 第55-56页 |
3.5.3 手写数字识别的改进原型 | 第56-59页 |
第四章 结束语 | 第59-61页 |
4.1 本文的主要贡献 | 第59-60页 |
4.2 进一步的工作 | 第60-61页 |
附录1 正规化数字字符实例 | 第61-62页 |
附录2 背景16值变换实例 | 第62-63页 |
参考文献 | 第63-67页 |
作者在攻读硕士学位期间发表的文章 | 第67-68页 |
致 谢 | 第68页 |