基于数字图像处理的电表号码识别系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景 | 第10页 |
| ·研究现状 | 第10-13页 |
| ·现代抄表现状 | 第10-12页 |
| ·图像处理与数字识别的研究现状与发展 | 第12-13页 |
| ·本课题研究的主要内容 | 第13-14页 |
| ·本课题研究的意义 | 第14-15页 |
| 2 图像的预处理 | 第15-20页 |
| ·图像灰度化 | 第15-16页 |
| ·灰度图像 | 第15页 |
| ·灰度级 | 第15页 |
| ·灰度化 | 第15-16页 |
| ·图像二值化 | 第16-19页 |
| ·局部阈值法 | 第16-17页 |
| ·动态阈值法 | 第17页 |
| ·全局阈值法 | 第17-19页 |
| ·本文选择的方法 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 电表号码区域的定位研究 | 第20-30页 |
| ·电表号码区域定位技术介绍 | 第20-21页 |
| ·一般的定位方法 | 第21页 |
| ·基于水平、垂直投影的粗定位 | 第21-24页 |
| ·投影法介绍 | 第21-22页 |
| ·投影法在本文中的应用 | 第22-24页 |
| ·基于数学形态学的定位 | 第24-29页 |
| ·数学形态学介绍 | 第24-28页 |
| ·定位过程 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 号码区域的倾斜矫正与字符分割 | 第30-43页 |
| ·倾斜矫正 | 第30-38页 |
| ·常用倾斜角度检测方法比较 | 第30-31页 |
| ·边缘检测 | 第31-32页 |
| ·Hough变换 | 第32-33页 |
| ·旋转方法在本系统中的应用 | 第33-35页 |
| ·精确定位 | 第35-38页 |
| ·单个字符的分割 | 第38-42页 |
| ·字符的归一化 | 第39-40页 |
| ·字符的细化 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 字符识别与神经网络 | 第43-54页 |
| ·字符识别 | 第43-44页 |
| ·字符识别概述 | 第43页 |
| ·光学字符识别方法的介绍 | 第43-44页 |
| ·字符特征提取 | 第44-47页 |
| ·概述 | 第44-46页 |
| ·字符特征提取的方法 | 第46-47页 |
| ·人工神经网络 | 第47-49页 |
| ·神经网络概述 | 第47-48页 |
| ·神经网络模式识别特点和类型 | 第48-49页 |
| ·BP神经网络 | 第49-53页 |
| ·BP神经网络的原理 | 第49-50页 |
| ·BP神经网络的算法 | 第50-52页 |
| ·BP神经网络学习算法的改进 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 6 基于BP神经网络的号码识别 | 第54-61页 |
| ·输入和输出的确定 | 第54-55页 |
| ·隐含层神经元数目的确定 | 第55-56页 |
| ·BP训练算法的选择 | 第56-59页 |
| ·学习函数的选择 | 第59页 |
| ·其他参数的确定 | 第59页 |
| ·识别结果与分析 | 第59-60页 |
| ·识别结果 | 第59-60页 |
| ·结果分析 | 第60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |
