| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·本研究的目的和意义 | 第10页 |
| ·计算机笔迹鉴别 | 第10-12页 |
| ·计算机在笔迹鉴别中的作用 | 第10-12页 |
| ·计算机笔迹鉴别的系统流程 | 第12页 |
| ·手写体笔迹鉴别的研究现状 | 第12-14页 |
| ·纹理与笔迹图像 | 第14-15页 |
| ·研究内容和研究路线 | 第15-17页 |
| ·主要研究内容 | 第15-16页 |
| ·研究路线 | 第16-17页 |
| 2 笔迹图像采集与预处理 | 第17-33页 |
| ·实验样本库的建立 | 第17-20页 |
| ·笔迹图像预处理的主要内容 | 第20页 |
| ·纸张背景格线等的去除 | 第20-22页 |
| ·笔迹图像的灰度化、消噪和二值化 | 第22-26页 |
| ·灰度化 | 第22-23页 |
| ·笔迹图像噪声的去噪 | 第23-25页 |
| ·二值化 | 第25-26页 |
| ·归一化处理 | 第26-32页 |
| ·倾斜校正 | 第26-27页 |
| ·标点符号的去除 | 第27-28页 |
| ·汉字分割 | 第28页 |
| ·汉字尺寸归一化 | 第28-30页 |
| ·文字拼接 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于Gabor变换的笔迹纹理特征提取 | 第33-54页 |
| ·纹理的分析方法 | 第33-35页 |
| ·统计纹理分析 | 第33-34页 |
| ·结构纹理分析 | 第34页 |
| ·模型纹理分析 | 第34-35页 |
| ·空间/频率纹理分析 | 第35页 |
| ·Gabor变换 | 第35-39页 |
| ·Gabor函数与测不准原理 | 第36-37页 |
| ·1-D Gabor函数 | 第37页 |
| ·2-D Gabor基函数 | 第37-39页 |
| ·Gabor滤波器的设计 | 第39-41页 |
| ·2-D多通道Gabor滤波器方向特性分析 | 第41-42页 |
| ·用于手写汉字笔迹鉴别的Gabor滤波器参数设置 | 第42-48页 |
| ·Gabor滤波器参数设置方法一 | 第43-44页 |
| ·Gabor滤波器参数设置方法二 | 第44-45页 |
| ·Gabor滤波器参数设置方法三 | 第45-48页 |
| ·笔迹纹理特征的获取 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 4 笔迹鉴别的模式识别方法 | 第54-85页 |
| ·模式识别系统 | 第54-56页 |
| ·模式识别的基本方法 | 第54-56页 |
| ·特征参数归一化 | 第56-57页 |
| ·近邻法 | 第57-58页 |
| ·最近邻法 | 第57-58页 |
| ·k-近邻法 | 第58页 |
| ·神经网络 | 第58-59页 |
| ·统计学习理论 | 第59-61页 |
| ·VC维 | 第60页 |
| ·推广性的界 | 第60-61页 |
| ·结构风险最小化 | 第61页 |
| ·支持向量机理论 | 第61-68页 |
| ·广义最优分类面 | 第62-63页 |
| ·支持向量机 | 第63-64页 |
| ·支持向量机的主要优点 | 第64-65页 |
| ·核函数 | 第65页 |
| ·支持向量机的模型选择问题 | 第65-68页 |
| ·特征选择 | 第68-69页 |
| ·评价准则 | 第68-69页 |
| ·搜索算法 | 第69页 |
| ·模拟退火算法 | 第69-74页 |
| ·Metropolis抽样准则 | 第69-70页 |
| ·模拟退火过程 | 第70-71页 |
| ·模拟退火法的改进 | 第71-72页 |
| ·模拟退火法的实现 | 第72-73页 |
| ·基于最近邻分类器分类正确率——模拟退火算法的特征选择 | 第73-74页 |
| ·遗传算法 | 第74-84页 |
| ·遗传算法的基本流程 | 第75-76页 |
| ·遗传算法关键参数的设计 | 第76-78页 |
| ·遗传操作 | 第78-81页 |
| ·遗传算法的优点、不足和改进 | 第81-82页 |
| ·基于最近邻分类器分类正确率——遗传算法的特征选择 | 第82-84页 |
| ·本章小结 | 第84-85页 |
| 5 笔迹鉴别实验及结果分析 | 第85-97页 |
| ·MATLAB编程语言 | 第85页 |
| ·实验总体思路 | 第85-86页 |
| ·实验结果与分析 | 第86-92页 |
| ·穷尽法特征选择结果 | 第87页 |
| ·基于最近邻正确率——模拟退火算法特征选择结果 | 第87-89页 |
| ·基于最近邻分类正确率——遗传算法特征选择结果 | 第89-92页 |
| ·特征选择结果的比较 | 第92页 |
| ·分类结果 | 第92-95页 |
| ·不同分类器的分类结果 | 第92-93页 |
| ·支持向量机不同核函数分类结果 | 第93-95页 |
| ·特征选择前后的分类结果分析 | 第95页 |
| ·大样本情况下笔迹鉴别方法的探讨 | 第95-96页 |
| ·加权欧氏距离匹配实验 | 第96页 |
| ·本章小结 | 第96-97页 |
| 结论 | 第97-99页 |
| 参考文献 | 第99-104页 |
| 附录 | 第104-111页 |
| 攻读学位期间发表的学术论文 | 第111-112页 |
| 致谢 | 第112-113页 |