基于图像识别技术的手机单词听写软件的研究与开发
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 课题研究的意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 文章组织结构 | 第12-13页 |
| 第2章 相关技术简介和手机光学字符识别分析 | 第13-17页 |
| 2.1 光学字符识别 | 第13页 |
| 2.2 神经网络简介 | 第13-14页 |
| 2.3 TTS发声技术 | 第14页 |
| 2.4 手机成像特点 | 第14-15页 |
| 2.5 手机光学字符识别技术的分析 | 第15-16页 |
| 2.6 本章小结 | 第16-17页 |
| 第3章 预处理算法研究与设计 | 第17-28页 |
| 3.1 概述 | 第17页 |
| 3.2 图片压缩 | 第17-18页 |
| 3.3 灰度化处理 | 第18页 |
| 3.4 二值化算法的研究与改进 | 第18-24页 |
| 3.4.1 算法分析与改进 | 第19页 |
| 3.4.2 全局阀值算法的选取 | 第19-21页 |
| 3.4.3 Bernsen算法的改进 | 第21-24页 |
| 3.5 倾斜校正 | 第24-25页 |
| 3.6 字符分割 | 第25-26页 |
| 3.7 大小归一 | 第26-27页 |
| 3.8 本章小结 | 第27-28页 |
| 第4章 特征提取算法研究与设计 | 第28-33页 |
| 4.1 特征提取概述 | 第28页 |
| 4.2 基于结构特征的提取算法 | 第28-29页 |
| 4.3 基于统计特征的提取算法 | 第29页 |
| 4.4 本文的特征提取 | 第29-32页 |
| 4.5 本章小结 | 第32-33页 |
| 第5章 基于BP神经网络的字符识别 | 第33-48页 |
| 5.1 BP神经网络概述 | 第33页 |
| 5.2 网络结构设计 | 第33-34页 |
| 5.3 节点数选取方法的改进 | 第34-39页 |
| 5.4 数学模型 | 第39-40页 |
| 5.5 自适应学习速率 | 第40-42页 |
| 5.6 期望误差 | 第42-43页 |
| 5.7 样本采集和训练 | 第43-45页 |
| 5.8 结果与分析 | 第45-47页 |
| 5.9 本章小结 | 第47-48页 |
| 第6章 手机单词听写软件的设计与实现 | 第48-58页 |
| 6.1 概述 | 第48页 |
| 6.2 系统环境 | 第48页 |
| 6.3 系统设计 | 第48-49页 |
| 6.4 系统实现 | 第49-52页 |
| 6.4.1 图片识别 | 第49-51页 |
| 6.4.2 自定义听写 | 第51-52页 |
| 6.4.3 触屏图片编辑 | 第52页 |
| 6.4.4 语音发声 | 第52页 |
| 6.5 软件使用演示 | 第52-54页 |
| 6.6 结果分析 | 第54-57页 |
| 6.6.1 识别率分析 | 第55-56页 |
| 6.6.2 单词录入效率对比 | 第56-57页 |
| 6.7 软件特点 | 第57页 |
| 6.8 本章小结 | 第57-58页 |
| 结论和展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
