小类别无限制手写体汉字识别研究
1绪论 | 第1-23页 |
·问题的提出 | 第10-13页 |
·OCR系统处理的一般步骤 | 第13-15页 |
·原始图像获取阶段 | 第13页 |
·字符图像的预处理阶段 | 第13-14页 |
·特征抽取阶段 | 第14页 |
·分类识别阶段 | 第14页 |
·后处理阶段 | 第14-15页 |
·OCR方法分类 | 第15-17页 |
·模板匹配法 | 第15页 |
·统计决策法 | 第15-16页 |
·句法结构法 | 第16页 |
·模糊判决法 | 第16页 |
·逻辑推理法 | 第16-17页 |
·神经网络法 | 第17页 |
·支持向量机方法 | 第17页 |
·手写体汉字识别研究 | 第17-20页 |
·脱机手写体汉字识别的特殊性 | 第18-19页 |
·手写体汉字识别研究的意义 | 第19-20页 |
·汉字识别理论与技术现状 | 第20页 |
·本文研究工作概述 | 第20-21页 |
·本文的内容安排 | 第21-23页 |
2 手写体汉字识别中的预处理技术 | 第23-39页 |
·二值化 | 第23-25页 |
·整体阈值二值化 | 第24-25页 |
·局部阈值二值化 | 第25页 |
·动态阈值二值化 | 第25页 |
·平滑 | 第25-26页 |
·细化 | 第26-27页 |
·规范化 | 第27-38页 |
·线性规范化 | 第27页 |
·非线性规范化 | 第27-38页 |
·本章小结 | 第38-39页 |
3 支票大写金额的印刷体与手写体辨识 | 第39-48页 |
·预处理工作 | 第39-42页 |
·印章的去除 | 第40-41页 |
·去除噪音块 | 第41-42页 |
·特征抽取 | 第42-45页 |
·上下边界弯曲度特征 | 第42-43页 |
·字符笔画宽度特征 | 第43-44页 |
·连通域数目特征 | 第44页 |
·横竖笔画特征 | 第44-45页 |
·分类识别 | 第45-46页 |
·实验结果与分析 | 第46-47页 |
·本章小结 | 第47-48页 |
4 基于模糊子笔画统计特征的手写体汉字识别 | 第48-59页 |
·汉字笔画的特征信息分析 | 第48-49页 |
·手写印刷体汉字的子笔画提取 | 第49-51页 |
·字符像素点方向代码的标定 | 第49-50页 |
·子笔画的抽取和子笔画点阵的生成 | 第50-51页 |
·子笔画的调整 | 第51页 |
·无限制手写体汉字的子笔画提取 | 第51-54页 |
·字符像素点所属模糊子笔画的求取 | 第52-53页 |
·模糊子笔画的调整 | 第53-54页 |
·基于模糊子笔画的统计特征 | 第54-58页 |
·模糊网格 | 第54-55页 |
·模糊子笔画边缘点属性特征 | 第55-57页 |
·字符的模糊子笔画统计特征 | 第57页 |
·实验结果 | 第57-58页 |
·本章小结 | 第58-59页 |
5 高维特征下快速近邻法的定位点选择 | 第59-65页 |
·最近邻分类器 | 第59-60页 |
·快速搜索近邻法 | 第60-61页 |
·高维特征下快速近邻法的定位点选择 | 第61-62页 |
·树搜索算法流程 | 第62-64页 |
·实验结果与分析 | 第64页 |
·结论 | 第64-65页 |
6 一个基本的后督支票自动处理系统 | 第65-84页 |
·银行后督支票自动处理的应用和功能 | 第65-69页 |
·应用系统的结构组织 | 第67-68页 |
·后督自动处理流程 | 第68-69页 |
·支票的前期处理 | 第69-71页 |
·支票定位和版面分割 | 第69-71页 |
·大写金额图像的二值化 | 第71-73页 |
·问题分析 | 第71页 |
·去除底纹 | 第71-72页 |
·提取大写金额的有效区间 | 第72页 |
·印章污染的去除 | 第72-73页 |
·小写金额图像的二值化 | 第73-74页 |
·手写体大写金额的处理 | 第74-75页 |
·手写体小写金额的处理 | 第75-82页 |
·手写体小写金额的分割 | 第75-77页 |
·手写体阿拉伯数字识别方案 | 第77页 |
·基于轮廓分段特征的手写体数字识别方法 | 第77-79页 |
·基于笔画归正模板的识别方法 | 第79-82页 |
·手写体数字单字识别的实验结果 | 第82页 |
·小写金额的整体处理及实验结果 | 第82页 |
·本章小结 | 第82-84页 |
结束语 | 第84-86页 |
致谢 | 第86-87页 |
参考文献 | 第87-96页 |
附录 | 第96页 |