基于改进人工蜂群算法的印鉴识别
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 缩略语表 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 印章和印鉴 | 第12-15页 |
| 1.2.1 印章和印鉴的历史 | 第12-13页 |
| 1.2.2 印章和印鉴的制作和防伪 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.4 主要研究内容 | 第16-17页 |
| 2 图像处理知识 | 第17-27页 |
| 2.1 彩色模型 | 第17-19页 |
| 2.1.1 RGB模型 | 第17页 |
| 2.1.2 HSI模型 | 第17-18页 |
| 2.1.3 CMY模型和CMYK模型 | 第18-19页 |
| 2.2 图像分割 | 第19-24页 |
| 2.2.1 基于阈值的图像分割方法 | 第19-22页 |
| 2.2.2 基于区域的图像分割方法 | 第22页 |
| 2.2.3 基于边缘检测的图像分割方法 | 第22-24页 |
| 2.3 消除噪声 | 第24-25页 |
| 2.4 数学形态学方法 | 第25-26页 |
| 2.5 小结 | 第26-27页 |
| 3 印鉴图像预处理 | 第27-38页 |
| 3.1 票据图像的获取及其灰度化和二值化 | 第28-31页 |
| 3.2 书写字体处理 | 第31-33页 |
| 3.3 书写线处理 | 第33-36页 |
| 3.4 提取印鉴图像 | 第36-37页 |
| 3.5 小结 | 第37-38页 |
| 4 印鉴配准识别方法 | 第38-62页 |
| 4.1 图像配准 | 第38页 |
| 4.2 常用的图像配准方法 | 第38-42页 |
| 4.2.1 基于图像灰度的配准方法 | 第38-40页 |
| 4.2.2 基于图像特征的配准方法 | 第40-42页 |
| 4.3 印鉴的配准识别 | 第42-53页 |
| 4.3.1 印鉴几何变换 | 第42-45页 |
| 4.3.2 群体智能优化算法 | 第45-46页 |
| 4.3.3 人工蜂群算法 | 第46-49页 |
| 4.3.4 人工蜂群算法的改进策略 | 第49-50页 |
| 4.3.5 印鉴识别的实现 | 第50-53页 |
| 4.4 实验结果与分析 | 第53-61页 |
| 4.5 小结 | 第61-62页 |
| 5 总结与展望 | 第62-63页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 作者简介 | 第69页 |
