数字识别在双色水位计智能遥视中的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 液位检测研究现状 | 第12页 |
| 1.2.2 字符识别研究现状 | 第12-13页 |
| 1.3 数字识别方法 | 第13-17页 |
| 1.3.1 特征提取 | 第14-15页 |
| 1.3.2 主要识别方法 | 第15-17页 |
| 1.4 课题来源与研究内容 | 第17-18页 |
| 1.5 小结 | 第18-19页 |
| 第二章 水位计图像处理流程 | 第19-31页 |
| 2.1 汽包水位计 | 第19页 |
| 2.2 液位检测原理 | 第19-22页 |
| 2.2.1 液位检测流程 | 第19-20页 |
| 2.2.2 液位检测算法 | 第20-22页 |
| 2.3 水位计图像预处理 | 第22-29页 |
| 2.3.1 图像滤波 | 第22-23页 |
| 2.3.2 图像分割 | 第23-28页 |
| 2.3.3 图像归一化 | 第28-29页 |
| 2.4 小结 | 第29-31页 |
| 第三章 特征提取 | 第31-43页 |
| 3.1 空间特征 | 第31-32页 |
| 3.2 垂直投影特征 | 第32-34页 |
| 3.3 水平投影特征 | 第34-36页 |
| 3.4 投影变化特征 | 第36-38页 |
| 3.5 旋转投影特征 | 第38-39页 |
| 3.6 平均交叉特征 | 第39-41页 |
| 3.7 小结 | 第41-43页 |
| 第四章 数字识别算法与分类器 | 第43-65页 |
| 4.1 BP神经网络 | 第43-51页 |
| 4.1.1 BP算法 | 第43-45页 |
| 4.1.2 BP算法改进 | 第45-51页 |
| 4.2 图像匹配 | 第51-55页 |
| 4.2.1 模板匹配 | 第52-53页 |
| 4.2.2 序贯相似性检测 | 第53-55页 |
| 4.2.3 最小距模板匹配 | 第55页 |
| 4.3 分类器 | 第55-63页 |
| 4.3.1 多级分类器原理 | 第57-58页 |
| 4.3.2 多级分类器组合算法 | 第58页 |
| 4.3.3 分类器性能参数确定 | 第58-60页 |
| 4.3.4 二分类器组合 | 第60-62页 |
| 4.3.5 多分类器组合 | 第62-63页 |
| 4.3.6 组合分类器拒识方法 | 第63页 |
| 4.4 小结 | 第63-65页 |
| 第五章 实验验证及系统实现 | 第65-77页 |
| 5.1 单一分类器识别 | 第65-70页 |
| 5.1.1 神经网络分类器 | 第65-67页 |
| 5.1.2 最小距模板匹配分类器 | 第67-70页 |
| 5.2 二级分类器识别 | 第70-72页 |
| 5.2.1 两个最小距模板匹配分类器组合 | 第70-71页 |
| 5.2.2 神经网络和最小距模板匹配分类器组合 | 第71-72页 |
| 5.3 三级分类器识别 | 第72-73页 |
| 5.4 水位计智能遥视系统 | 第73-75页 |
| 5.5 小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 附录A (攻读硕士学位期间的科研成果) | 第87-89页 |
| 附录B (研究生期间参与的科研项目) | 第89页 |
