| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-19页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.1.1 图像识别在工业自动化的应用 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 光学字符识别国内外研究现状 | 第12-15页 |
| 1.2.2 研究现状综述 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 研究方法与框架 | 第17-19页 |
| 1.4.1 研究方法 | 第17-18页 |
| 1.4.2 研究步骤 | 第18-19页 |
| 2 基于改进蚁群算法图像边缘检测定位方法研究 | 第19-39页 |
| 2.1 图像预处理 | 第19-24页 |
| 2.1.1 图像字符灰度化处理 | 第19-22页 |
| 2.1.2 图像去噪处理 | 第22-24页 |
| 2.2 边缘定位技术 | 第24-28页 |
| 2.2.1 传统边缘检测算子 | 第24-26页 |
| 2.2.2 各算子结果比较及分析 | 第26-28页 |
| 2.3 蚁群算法 | 第28-30页 |
| 2.3.1 蚁群算法边缘检测原理 | 第28页 |
| 2.3.2 传统蚁群算法 | 第28-30页 |
| 2.4 基于改进蚁群算法的图像边缘定位检测 | 第30-38页 |
| 2.4.1 蚁群算法的优化 | 第30-37页 |
| 2.4.2 基于边缘信息字符区域提取 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 3 基于行列扫描图像字符分割 | 第39-46页 |
| 3.1 行列扫描图像分割技术 | 第39-42页 |
| 3.1.1 常用图像分割技术 | 第39-41页 |
| 3.1.2 行列扫描字符分割 | 第41-42页 |
| 3.2 基于逐行扫描下的阈值精准分割方法 | 第42-45页 |
| 3.2.1 字符预处理 | 第42-44页 |
| 3.2.2 基于行列扫描的字符分割 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 4 基于Zernike矩图像字符识别算法研究 | 第46-60页 |
| 4.1 Zernike矩算法 | 第46-50页 |
| 4.1.1 矩概述 | 第46-48页 |
| 4.1.2 Zernike矩 | 第48-49页 |
| 4.1.3 Zernike矩性质 | 第49-50页 |
| 4.2 基于改进Zernike距图像识别 | 第50-55页 |
| 4.2.1 Zernike距映射方式的优化 | 第51-52页 |
| 4.2.2 基于改进Zernike不变矩计算框架 | 第52-53页 |
| 4.2.3 基于改进Zernike不变距字符特征提取 | 第53页 |
| 4.2.4 基于Zernike矩模板匹配法的判断规则 | 第53-54页 |
| 4.2.5 最短距离分类定义及方法 | 第54-55页 |
| 4.3 基于Zernike矩模板匹配法参数选择及流程设计 | 第55-59页 |
| 4.3.1 基于Zernike矩模板匹配参数选择 | 第55-57页 |
| 4.3.2 基于Zernike矩模板匹配识别流程 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 基于Zernike矩图像识别算法实例应用 | 第60-71页 |
| 5.1 集装箱箱号识别系统简介 | 第60-61页 |
| 5.1.1 总体方案 | 第60-61页 |
| 5.1.2 工作流程 | 第61页 |
| 5.2 基于Zernike矩箱号识别流程 | 第61-69页 |
| 5.2.1 实验环境及集装箱先验知识 | 第62-64页 |
| 5.2.2 箱号定位 | 第64-67页 |
| 5.2.3 箱号字符分割 | 第67-68页 |
| 5.2.4 基于Zernike矩的箱号字符识别 | 第68-69页 |
| 5.3 结果分析 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间的研究成果 | 第77页 |
