| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 研究背景 | 第8-12页 |
| 1.1 模式识别简介 | 第8-9页 |
| 1.2 数字识别的应用领域 | 第9-10页 |
| 1.3 国内外研究现状 | 第10页 |
| 1.4 论文安排 | 第10-12页 |
| 第二章 图像预处理 | 第12-22页 |
| 2.1 灰度化 | 第12-13页 |
| 2.2 图像降噪 | 第13-15页 |
| 2.2.1 中值滤波器 | 第14-15页 |
| 2.2.2 自适应中值滤波器 | 第15页 |
| 2.3 二值化 | 第15-17页 |
| 2.3.1 二值化概念 | 第15页 |
| 2.3.2 二值化方法 | 第15-17页 |
| 2.4 数字切分 | 第17-20页 |
| 2.4.1 数字切分及其方法简介 | 第17-18页 |
| 2.4.2 投影法实现具体流程 | 第18-20页 |
| 2.5 归一化 | 第20-22页 |
| 第三章 特征提取 | 第22-28页 |
| 3.1 特征提取简介 | 第22-23页 |
| 3.2 关键背景点法 | 第23页 |
| 3.3 凹陷特征提取法 | 第23-24页 |
| 3.4 横线竖线特征提取法 | 第24-28页 |
| 第四章 基于数字的模式识别分类器研究与分析 | 第28-34页 |
| 4.1 分类器简介 | 第28页 |
| 4.2 模板匹配分类器 | 第28-29页 |
| 4.3 基于决策树分类法的凹陷特征数字识别 | 第29-31页 |
| 4.4 支持向量机 | 第31-34页 |
| 第五章 基于六线式特征提取的欧氏距离数字识别算法 | 第34-38页 |
| 5.1 算法整体思路 | 第34页 |
| 5.2 六线式特征提取法 | 第34-36页 |
| 5.3 基于欧氏距离的六线式模式识别算法 | 第36-38页 |
| 第六章 仿真模拟实验及结果 | 第38-42页 |
| 6.1 模板匹配法实验结果分析报告 | 第38-39页 |
| 6.1.1 实验结果 | 第38页 |
| 6.1.2 结果数据分析 | 第38-39页 |
| 6.2 基于决策树分类法的凹陷特征数字识别实验结果分析报告 | 第39页 |
| 6.2.1 实验结果 | 第39页 |
| 6.2.2 分析结果 | 第39页 |
| 6.3 基于最小距离分类器的数字识别算法实验结果分析报告 | 第39-42页 |
| 6.3.1 基于横线竖线特征的数字识别算法实验结果分析报告 | 第39-40页 |
| 6.3.2 基于六线式特征提取的欧氏距离数字识别算法实验结果分析报告 | 第40-42页 |
| 结论 | 第42-44页 |
| 参考文献 | 第44-46页 |
| 附录 | 第46-50页 |
| 攻读硕士学位期间发表的主要科研成果 | 第50-51页 |
| 后记 | 第51页 |
