银行票据识别系统的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.1.1 银行票据自动处理系统 | 第9页 |
| 1.1.2 国内外发展现状 | 第9-10页 |
| 1.2 本文研究目的与意义 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 2 系统概要分析 | 第13-17页 |
| 2.1 版面分析 | 第13-14页 |
| 2.1.1 版面内容分析 | 第14页 |
| 2.1.2 版面特点分析 | 第14页 |
| 2.2 票据识别内容分析 | 第14-15页 |
| 2.3 系统流程设计 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 票据的预处理 | 第17-27页 |
| 3.1 图像二值化 | 第17-20页 |
| 3.1.1 常见的二值化方法 | 第17-18页 |
| 3.1.2 票据二值化方法 | 第18-20页 |
| 3.2 倾斜校正 | 第20-21页 |
| 3.2.1 倾斜检测 | 第20-21页 |
| 3.2.2 图像旋转 | 第21页 |
| 3.3 去噪 | 第21-23页 |
| 3.4 滤色 | 第23-26页 |
| 3.4.1 常用的颜色空间 | 第23-24页 |
| 3.4.2 颜色空间转换 | 第24-25页 |
| 3.4.3 HSV颜色空间的量化 | 第25-26页 |
| 3.4.4 滤色 | 第26页 |
| 3.5 本章小结 | 第26-27页 |
| 4 票据分类 | 第27-34页 |
| 4.1 版面特征 | 第27-28页 |
| 4.2 框线对比 | 第28页 |
| 4.3 表头相似度 | 第28-29页 |
| 4.4 文本区域检测 | 第29-33页 |
| 4.4.1 Haar特征 | 第30-31页 |
| 4.4.2 Adaboost分类器 | 第31-32页 |
| 4.4.3 实验结果与分析 | 第32-33页 |
| 4.5 本章小结 | 第33-34页 |
| 5 识别单元定位 | 第34-39页 |
| 5.1 基准点定位 | 第34-35页 |
| 5.2 基准点定位的改进 | 第35-38页 |
| 5.3 实验结果与分析 | 第38页 |
| 5.4 本章小结 | 第38-39页 |
| 6 字符分割与识别 | 第39-46页 |
| 6.1 字符分割 | 第39-40页 |
| 6.1.1 票据字符的特点 | 第39页 |
| 6.1.2 字符分割 | 第39-40页 |
| 6.2 字符识别 | 第40-44页 |
| 6.2.1 字符识别的常用方法 | 第40页 |
| 6.2.2 BP神经网络的原理 | 第40-43页 |
| 6.2.3 实验结果与分析 | 第43-44页 |
| 6.3 附件章与签名的判断 | 第44-45页 |
| 6.4 本章小结 | 第45-46页 |
| 7 银行票据识别系统的实现 | 第46-50页 |
| 7.1 系统实现 | 第46-49页 |
| 7.2 实验结果与分析 | 第49页 |
| 7.3 本章小结 | 第49-50页 |
| 8 总结和展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 攻读硕士期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |
| 附录 程序代码 | 第55-60页 |
