光学字符识别系统中关键算法的设计与研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题研究背景与意义 | 第11-13页 |
| ·计算机视觉研究背景与意义 | 第11-12页 |
| ·光学字符研究背景与意义 | 第12-13页 |
| ·字符识别技术国内外研究进展 | 第13-14页 |
| ·本文主要研究内容 | 第14-16页 |
| ·本论文章节安排 | 第16-17页 |
| 第二章 图像的数学模型 | 第17-21页 |
| ·数字图像基础 | 第17-18页 |
| ·图像的数学模型 | 第18-21页 |
| ·图像的离散矩阵 | 第18-19页 |
| ·图像的灰度模型 | 第19-20页 |
| ·图像的颜色模型 | 第20-21页 |
| 第三章 光学字符识别系统的预处理算法 | 第21-47页 |
| ·光学字符识别系统预处理算法设计 | 第21-22页 |
| ·基于灰度的预处理方法 | 第21-22页 |
| ·基于颜色特征空间的预处理方法 | 第22页 |
| ·图像滤波算法 | 第22-28页 |
| ·图像噪声模型 | 第23-25页 |
| ·传统去噪方法 | 第25-26页 |
| ·基于偏微分方程的图像去噪 | 第26-27页 |
| ·三种滤波算法对比总结 | 第27-28页 |
| ·图像二值化 | 第28-31页 |
| ·全局阈值法 | 第29-30页 |
| ·局部阈值法 | 第30-31页 |
| ·两种方法对比总结 | 第31页 |
| ·图像校正 | 第31-34页 |
| ·图像布局分析 | 第31-32页 |
| ·倾斜角度探测 | 第32页 |
| ·旋转校正方法 | 第32-33页 |
| ·切向校正方法 | 第33页 |
| ·本文校正方法 | 第33-34页 |
| ·字符区域定位 | 第34-40页 |
| ·基于DCT 域的字符纹理定位方法 | 第34-37页 |
| ·基于HSV 颜色空间的字符定位方法 | 第37-40页 |
| ·字模分割 | 第40-43页 |
| ·字符间隙法 | 第40-41页 |
| ·直方图投影法 | 第41-42页 |
| ·连通区域法 | 第42-43页 |
| ·三种字模分割法对比总结 | 第43页 |
| ·字模归一化 | 第43-45页 |
| ·本章总结 | 第45-47页 |
| 第四章 字符特征提取 | 第47-56页 |
| ·特征提取数学模型 | 第47-48页 |
| ·特征提取方法评价标准 | 第48页 |
| ·传统方法 | 第48-52页 |
| ·二维直方图投影法 | 第49-51页 |
| ·区域网格统计法 | 第51-52页 |
| ·基于统计和模糊隶属度的方法 | 第52-54页 |
| ·对比实验与评价结果 | 第54-55页 |
| ·评价公式 | 第54页 |
| ·实验结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 字符识别的分类器设计 | 第56-65页 |
| ·分类器设计与分析 | 第56-58页 |
| ·传统模式识别方法 | 第58-59页 |
| ·人工神经网络 | 第59-60页 |
| ·基于RBF 神经网络的模式识别 | 第60-63页 |
| ·RBF 神经网络模型 | 第60-61页 |
| ·RBF 网络的学习算法 | 第61-63页 |
| ·实验结果与总结 | 第63-65页 |
| ·字体字号识别测试 | 第63-64页 |
| ·适应性识别测试 | 第64-65页 |
| 第六章 人民币序列号识别系统算法应用 | 第65-70页 |
| ·软硬件平台 | 第65页 |
| ·基于颜色特征空间的人民币序列号识别 | 第65-70页 |
| ·图像采集 | 第66页 |
| ·图像校正 | 第66-67页 |
| ·字符区域定位 | 第67页 |
| ·区域二值化 | 第67-68页 |
| ·序列号字模分割 | 第68页 |
| ·序列号字模归一化 | 第68页 |
| ·基于统计与模糊隶属度的特征提取 | 第68页 |
| ·基于RBF 神经网络的序列号识别 | 第68-69页 |
| ·实验结果 | 第69-70页 |
| 第七章 总结与展望 | 第70-73页 |
| ·全文总结 | 第70-71页 |
| ·后续工作 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻硕期间取得的研究成果 | 第77-78页 |
