基于BP神经网络的印刷体字符识别系统的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·光学字符识别技术的历史、现状及展望 | 第12-14页 |
| ·光学字符识别系统设计中的关键问题 | 第14-16页 |
| ·字符特征提取 | 第14-15页 |
| ·字符分类器设计 | 第15-16页 |
| ·论文结构简介 | 第16-18页 |
| 第二章 字符识别系统中的图像预处理 | 第18-25页 |
| ·256 色位图的灰度化 | 第19页 |
| ·灰度图像的二值化 | 第19页 |
| ·梯度锐化（可选） | 第19-20页 |
| ·去除离散杂点噪声 | 第20-22页 |
| ·调整倾斜 | 第22页 |
| ·字符分割 | 第22-23页 |
| ·字符的规一化 | 第23-24页 |
| ·字符的紧缩重排 | 第24-25页 |
| 第三章 字符的特征提取与待识别字符的初分类 | 第25-37页 |
| ·概述 | 第25-26页 |
| ·字符特征提取方法 | 第26-27页 |
| ·基于字符骨架的两级初分类 | 第27-31页 |
| ·字符图像的细化 | 第27-29页 |
| ·基于检测字符骨架中闭合曲线的初分类 | 第29-31页 |
| ·基于字符骨架纵向线条特征第二次初分类 | 第31页 |
| ·字符混合特征向量的提取 | 第31-37页 |
| ·粗网格特征提取的方法以及实现 | 第32-35页 |
| ·规一化的投影特征向量的提取 | 第35-37页 |
| 第四章 人工神经网络和误差反向传播算法 | 第37-55页 |
| ·神经网络的发展简史 | 第37-38页 |
| ·神经网络的基本理论 | 第38-42页 |
| ·生物神经网络系统 | 第38-40页 |
| ·人工神经网络 | 第40-42页 |
| ·误差反向传播神经网络算法 | 第42-55页 |
| ·误差反向传播神经网络算法描述 | 第42-52页 |
| ·误差反向传播神经网络的映射与容量分析 | 第52-54页 |
| ·误差反向传播神经网络的容错性、鲁棒性和泛化能力 | 第54-55页 |
| 第五章 基于误差反传播网络的字符分类器的设计 | 第55-66页 |
| ·BP 网络的结构设计 | 第55-61页 |
| ·输入层神经元个数 | 第55-56页 |
| ·输出层神经元个数及输出表示 | 第56-58页 |
| ·隐藏层层数选择 | 第58-59页 |
| ·隐藏层神经元的数目 | 第59-60页 |
| ·节点设计 | 第60-61页 |
| ·BP 网络的参数设计 | 第61-63页 |
| ·网络连接权初始值的设置 | 第61-62页 |
| ·网络学习参数的设置 | 第62-63页 |
| ·BP 网络的训练 | 第63-65页 |
| ·训练样本的选取 | 第63-64页 |
| ·误差准则函数 | 第64页 |
| ·训练的停止条件 | 第64-65页 |
| ·网络的训练过程 | 第65页 |
| ·BP 网络的识别过程 | 第65-66页 |
| 第六章 系统实现和性能分析 | 第66-76页 |
| ·系统描述及基本要求 | 第66页 |
| ·系统的实现 | 第66-74页 |
| ·预处理模块 | 第66-67页 |
| ·特征提取和初分类 | 第67-69页 |
| ·基于BP 网络的字符分类器 | 第69-74页 |
| ·系统性能分析 | 第74-76页 |
| 第七章 回顾和展望 | 第76-78页 |
| ·工作总结 | 第76页 |
| ·对今后工作的展望 | 第76-78页 |
| 参考文献 | 第78-80页 |
| 致谢 | 第80-81页 |
| 在学期间的研究成果及发表的学术论文 | 第81页 |
