| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要工作及创新 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 自动阅卷系统图像处理技术介绍 | 第15-25页 |
| 2.1 自动阅卷系统的图像处理流程 | 第15页 |
| 2.2 答题纸图像预处理 | 第15-17页 |
| 2.3 答题纸图像倾斜校正 | 第17-19页 |
| 2.4 图像区域分割 | 第19-21页 |
| 2.5 手写字母特征提取 | 第21-22页 |
| 2.6 手写字母识别 | 第22-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 基于卷面特征的倾斜校正 | 第25-39页 |
| 3.1 答题纸图像预处理 | 第25-26页 |
| 3.2 基于图像特征的快速Hough变换的直线检测 | 第26-33页 |
| 3.2.1 Hough变换直线检测 | 第27-29页 |
| 3.2.2 图像边缘检测算子 | 第29-31页 |
| 3.2.3 图像横线点筛选 | 第31-32页 |
| 3.2.4 基于图像特征的快速Hough变换直线检测 | 第32-33页 |
| 3.3 图像倾斜校正 | 第33-38页 |
| 3.3.1 图像的旋转变换 | 第34页 |
| 3.3.2 灰度插值处理 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 答题纸图像版面内容识别预处理 | 第39-51页 |
| 4.1 基于水平投影法的答题纸区域分割 | 第39-40页 |
| 4.2 手写字母预处理 | 第40-42页 |
| 4.2.1 基于投影法的手写字母定位提取 | 第40-41页 |
| 4.2.2 手写字母的归一化 | 第41页 |
| 4.2.3 手写字母的细化处理 | 第41-42页 |
| 4.3 基于图像处理的学生信息条形码识别 | 第42-49页 |
| 4.3.1 EAN条形码介绍 | 第42-43页 |
| 4.3.2 EAN-13 码的编码规则 | 第43-44页 |
| 4.3.3 基于垂直投影法的EAN-13 码检测 | 第44-46页 |
| 4.3.4 基于相似边距离的条码译码方法 | 第46-48页 |
| 4.3.5 条形码识别测试结果 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 改进遗传算法优化的LVQ神经网络手写字母识别 | 第51-67页 |
| 5.1 基于八点的手写字母特征提取 | 第51-52页 |
| 5.1.1 十三点特征提取法 | 第51-52页 |
| 5.1.2 八点特征提取法 | 第52页 |
| 5.2 LVQ神经网络概述 | 第52-55页 |
| 5.2.1 LVQ神经网络结构 | 第53页 |
| 5.2.2 LVQ神经网络的竞争学习算法 | 第53-54页 |
| 5.2.3 LVQ神经网络的不足 | 第54-55页 |
| 5.3 基于改进遗传算法的神经网络初始权值优化 | 第55-60页 |
| 5.3.1 遗传算法的基本原理 | 第55-56页 |
| 5.3.2 改进的遗传算法 | 第56-57页 |
| 5.3.3 改进遗传算法优化神经网络初始权值 | 第57-60页 |
| 5.4 基于遗传算法优化的LVQ神经网络手写字母识别 | 第60-63页 |
| 5.4.1 基于LVQ神经网络的手写字母识别的实现 | 第60页 |
| 5.4.2 LVQ神经网络的设计 | 第60-61页 |
| 5.4.3 LVQ神经网络的训练 | 第61-63页 |
| 5.5 LVQ神经网络识别测试结果与分析 | 第63-65页 |
| 5.6 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士学位期间的科研成果 | 第77页 |
