基于光学字符识别技术的支票识别系统设计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景及研究目的和意义 | 第8-9页 |
| 1.2 支票识别系统的国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-12页 |
| 第2章 支票识别系统方案设计 | 第12-16页 |
| 2.1 支票识别系统性能要求 | 第12页 |
| 2.2 支票识别系统硬件设计 | 第12-15页 |
| 2.2.1 硬件设计原理图 | 第12-13页 |
| 2.2.2 关键核心器件选型 | 第13-15页 |
| 2.2.3 硬件系统控制流程 | 第15页 |
| 2.3 本章小结 | 第15-16页 |
| 第3章 支票图像预处理及版面分析 | 第16-27页 |
| 3.1 支票图像预处理 | 第16-23页 |
| 3.1.1 扫描图像校正 | 第16-17页 |
| 3.1.2 图像定位及几何校正 | 第17-22页 |
| 3.1.3 扫描图像二值化 | 第22-23页 |
| 3.2 支票图像版面分析 | 第23-25页 |
| 3.3 本章小结 | 第25-27页 |
| 第4章 支票识别算法的研究 | 第27-48页 |
| 4.1 银行标志识别 | 第27-28页 |
| 4.1.1 标准LOGO模板的制作 | 第27-28页 |
| 4.1.2 LOGO图案与标准LOGO模板的匹配 | 第28页 |
| 4.2 支票号码识别 | 第28-34页 |
| 4.2.1 号码区域定位 | 第29-31页 |
| 4.2.2 字符切分 | 第31页 |
| 4.2.3 特征提取 | 第31-32页 |
| 4.2.4 字符识别 | 第32-34页 |
| 4.3 手写体金融汉字识别 | 第34-42页 |
| 4.3.1 手写体金融汉字识别概述 | 第34-35页 |
| 4.3.2 基于重心和矩的字符归一化方法 | 第35-37页 |
| 4.3.3 归一化图像的弹性网格划分 | 第37-38页 |
| 4.3.4 基于LDA的特征提取 | 第38-40页 |
| 4.3.5 神经网络组合K-NN分类器的多级分类 | 第40-42页 |
| 4.4 支票磁字符识别算法的研究 | 第42-47页 |
| 4.4.1 磁字符识别概述 | 第42-43页 |
| 4.4.2 磁信号预处理 | 第43页 |
| 4.4.3 磁字符信号切分 | 第43-45页 |
| 4.4.4 磁字符信号识别 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 支票识别系统的实现和测试实验 | 第48-59页 |
| 5.1 PC模拟算法实现与测试验证 | 第48-54页 |
| 5.1.1 银行LOGO识别流程 | 第48-49页 |
| 5.1.2 支票号码识别流程 | 第49页 |
| 5.1.3 手写体金融汉字识别流程 | 第49-51页 |
| 5.1.4 磁字符识别流程 | 第51-53页 |
| 5.1.5 PC模拟测试结果 | 第53-54页 |
| 5.2 实际硬件平台上的算法实现与验证 | 第54-58页 |
| 5.2.1 硬件平台算法实现 | 第54-57页 |
| 5.2.2 硬件平台测试结果 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
