美元纸币号码识别方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·本课题研究的背景和意义 | 第10-11页 |
| ·课题研究的背景 | 第10-11页 |
| ·意义 | 第11页 |
| ·当前研究情况 | 第11-12页 |
| ·纸币号码识别的基本过程综述 | 第12-14页 |
| ·软硬件环境 | 第14-16页 |
| 第二章 纸币图像的采集 | 第16-22页 |
| ·图像采集的基本理论 | 第16-18页 |
| ·确定型图像场抽样 | 第16-18页 |
| ·图像量化 | 第18页 |
| ·图像输入设备的选取 | 第18-19页 |
| ·图像表示及存储格式 | 第19-22页 |
| ·图像表示 | 第19-20页 |
| ·图像的存储格式 | 第20-22页 |
| 第三章 图像预处理 | 第22-36页 |
| ·图像的噪声 | 第22-24页 |
| ·噪声的特征 | 第22页 |
| ·噪声的模型 | 第22-23页 |
| ·噪声的来源 | 第23页 |
| ·图像系统常见噪声 | 第23-24页 |
| ·图像的平滑 | 第24-28页 |
| ·邻域平均法 | 第24-25页 |
| ·中值滤波 | 第25-28页 |
| ·图像的增强 | 第28-31页 |
| ·直方图的概念 | 第28页 |
| ·直方图修正 | 第28-29页 |
| ·直方图均匀化 | 第29-31页 |
| ·图像的阈值分割 | 第31页 |
| ·图像的倾斜校正 | 第31-34页 |
| ·纸币图像的定位分割 | 第34-36页 |
| 第四章 纸币号码字符的分割 | 第36-40页 |
| ·纸币号码区域选取 | 第36-37页 |
| ·纸币号码字符的分割 | 第37-40页 |
| ·去除上下边界 | 第37-38页 |
| ·单个号码字符的分割 | 第38-40页 |
| 第五章 基于人工神经网络的纸币号码识别 | 第40-56页 |
| ·模式识别概述 | 第40-42页 |
| ·模式和模式类 | 第40页 |
| ·模式识别系统的组成 | 第40-41页 |
| ·字符识别的原理及组成 | 第41-42页 |
| ·字符图像的预处理 | 第42-46页 |
| ·平滑 | 第43-44页 |
| ·规范化 | 第44-45页 |
| ·细化 | 第45-46页 |
| ·字符的识别方法简介 | 第46-47页 |
| ·基于穿越号码次数的结构识别算法 | 第47-49页 |
| ·英文字符识别 | 第48页 |
| ·数字识别 | 第48-49页 |
| ·用神经网络识别字符 | 第49-56页 |
| ·神经网络理论概述 | 第49-50页 |
| ·BP神经网络学习算法 | 第50-52页 |
| ·BP神经网络的改进 | 第52-53页 |
| ·利用改进的BP网络识别字符 | 第53-56页 |
| 第六章 基于模板匹配的纸币面额识别方法 | 第56-60页 |
| ·传统的二维模板匹配方法 | 第56-57页 |
| ·基于灰度投影的一维匹配算法 | 第57-58页 |
| ·两种模板匹配方法的比较 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
