国际音标字符识别算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 光学字符识别 | 第9-11页 |
| 1.1.1 概述 | 第9-10页 |
| 1.1.2 光学字符识别系统 | 第10-11页 |
| 1.2 国际音标字符 | 第11-13页 |
| 1.3 论文的主要工作 | 第13页 |
| 1.4 本文各章节的内容安排如下 | 第13-14页 |
| 第2章 字符图像的预处理 | 第14-29页 |
| 2.1 字符图像的滤波和去噪 | 第14-18页 |
| 2.1.1 线性滤波 | 第15-16页 |
| 2.1.2 非线性滤波 | 第16-18页 |
| 2.2 字符图像的二值化 | 第18-21页 |
| 2.2.1 人工设定整体阈值 | 第19页 |
| 2.2.2 局部阈值二值化 | 第19页 |
| 2.2.3 动态阈值二值化 | 第19-20页 |
| 2.2.4 最大类间方差算法 | 第20-21页 |
| 2.3 字符图像的归一化处理 | 第21-24页 |
| 2.3.1 图像的裁剪 | 第22页 |
| 2.3.2 图像的缩放 | 第22-24页 |
| 2.4 字符图像的细化 | 第24-27页 |
| 2.4.1 Hilditch算法 | 第25-26页 |
| 2.4.2 基于数学形态学细化算法 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 字符图像的特征提取 | 第29-43页 |
| 3.1 常见字符提取特征的介绍 | 第29-30页 |
| 3.2 本文对字符图像特征的提取 | 第30-31页 |
| 3.3 字符图像的统计特征 | 第31-35页 |
| 3.3.1 局部区域的投影特征 | 第31-32页 |
| 3.3.2 链码的统计信息特征 | 第32-33页 |
| 3.3.3 折点特征 | 第33-34页 |
| 3.3.4 线性拟合特征 | 第34-35页 |
| 3.4 字符图像的结构特征 | 第35-42页 |
| 3.4.1 轮廓结构特征 | 第35-37页 |
| 3.4.2 不变矩特征 | 第37-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 BP神经网络 | 第43-55页 |
| 4.1 人工神经网络 | 第43-45页 |
| 4.1.1 人工神经网络概念的提出 | 第43页 |
| 4.1.2 人工神经网络的特点 | 第43-44页 |
| 4.1.3 人工神经网络的学习规则 | 第44-45页 |
| 4.1.4 人工神经网络的原理 | 第45页 |
| 4.2 BP神经网络 | 第45-50页 |
| 4.2.1 BP模型的拓扑结构 | 第45-46页 |
| 4.2.2 BP网络的特点 | 第46-47页 |
| 4.2.3 BP网络的激活函数 | 第47页 |
| 4.2.4 BP神经网络的学习算法 | 第47-50页 |
| 4.2.5 BP神经网络的算法步骤 | 第50页 |
| 4.3 BP网络的优缺点 | 第50-51页 |
| 4.3.1 BP网络的优点 | 第50-51页 |
| 4.3.2 BP网络的缺点 | 第51页 |
| 4.4 改进的BP网络学习算法 | 第51-53页 |
| 4.5 BP网络在国际音标字符图像中的应用 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 字符识别系统的设计与实现 | 第55-59页 |
| 5.1 系统框架及各功能 | 第55页 |
| 5.2 Matlab程序设计 | 第55页 |
| 5.3 字符的预处理部分 | 第55-57页 |
| 5.4 字符的特征提取部分 | 第57页 |
| 5.5 建立模板库 | 第57页 |
| 5.6 实验结果与分析 | 第57-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 本文工作的总结 | 第59-60页 |
| 6.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
