| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7页 |
| ·汉字识别的发展历程 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·国内研究现状 | 第8-9页 |
| ·国外研究现状 | 第9页 |
| ·本文的主要工作和论文结构 | 第9-11页 |
| 第二章 图像处理算法基础 | 第11-19页 |
| ·图像预处理的基本算法 | 第11-15页 |
| ·常用的彩色文字图像分割方法 | 第15-19页 |
| 第三章 利用K-means聚类方法进行图像文字提取与分割 | 第19-35页 |
| ·图像文字版面分析 | 第19-20页 |
| ·技术难点 | 第20-21页 |
| ·文字提取的技术关键和难点 | 第20-21页 |
| ·汉字识别的技术关键和难点 | 第21页 |
| ·K-means方法原理 | 第21-25页 |
| ·基本思想 | 第22页 |
| ·算法分析 | 第22-23页 |
| ·算法概要 | 第23-24页 |
| ·求点群中心的算法 | 第24-25页 |
| ·图像校正 | 第25-28页 |
| ·基于文字行的倾斜校正方法 | 第25页 |
| ·投影轮廓分析方法 | 第25-27页 |
| ·聚类的方法 | 第27页 |
| ·Hough变换的方法 | 第27-28页 |
| ·文字切分 | 第28-30页 |
| ·标准切分方法 | 第28-29页 |
| ·基于多行的垂直投影法 | 第29-30页 |
| ·本文的文字分割过程 | 第30页 |
| ·利用K-means提取文字的步骤与实现 | 第30-35页 |
| ·图像预处理过程 | 第32页 |
| ·聚类处理 | 第32-33页 |
| ·图层选取及优化 | 第33-34页 |
| ·进行聚类后的文字切分 | 第34-35页 |
| 第四章 神经网络进行文字识别 | 第35-41页 |
| ·常用的识别方法 | 第35页 |
| ·神经网络原理 | 第35-37页 |
| ·BP网络学习方法选择 | 第37页 |
| ·BP神经网络识别原理 | 第37页 |
| ·基本步骤与实现 | 第37-39页 |
| ·实验基本步骤 | 第38页 |
| ·实验实现 | 第38-39页 |
| ·后处理 | 第39-41页 |
| ·文字识别的后处理 | 第39-40页 |
| ·处理失败的文字图像 | 第40-41页 |
| 第五章 文字识别实验系统的设计与实现 | 第41-50页 |
| ·系统的总体结构 | 第41-43页 |
| ·系统设计 | 第41-42页 |
| ·演示系统系统界面设计 | 第42-43页 |
| ·演示系统模块设计流程 | 第43-47页 |
| ·图像处理模块 | 第43-45页 |
| ·人工处理模块 | 第45页 |
| ·聚类处理模块 | 第45-46页 |
| ·二值化倾斜校正模块 | 第46页 |
| ·文字分割模块 | 第46-47页 |
| ·文字识别模块 | 第47页 |
| ·实验系统的运行效果 | 第47-48页 |
| ·实验结果及分析 | 第48-49页 |
| ·简单背景图像文字 | 第48页 |
| ·复杂背景图像文字 | 第48-49页 |
| ·实验效果分析 | 第49-50页 |
| 第六章 总结和展望 | 第50-52页 |
| 总结 | 第50页 |
| 展望 | 第50-52页 |
| 攻读硕士期间公开发表论文及专利 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |