| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究的目的与意义 | 第9页 |
| 1.2 阅卷系统发展与研究现状 | 第9-10页 |
| 1.3 研究目标及内容 | 第10-11页 |
| 1.4 本论文结构与安排 | 第11-12页 |
| 2 数码阅卷图像处理与识别的基本原理 | 第12-37页 |
| 2.1 图像预处理 | 第12-19页 |
| 2.2 图像的特征提取 | 第19-23页 |
| 2.3 遗传算法与特征优化 | 第23-29页 |
| 2.4 SVM 分类原理 | 第29-37页 |
| 3 总体研究思路与过程 | 第37-41页 |
| 3.1 系统的图像处理与识别流程图 | 第37-38页 |
| 3.2 答题卡图像处理 | 第38-40页 |
| 3.3 图像特征提取与分类识别 | 第40-41页 |
| 4 答题卡图像预处理 | 第41-50页 |
| 4.1 答题卡图像预处理概述 | 第41页 |
| 4.2 答题卡图像灰度化与二值化 | 第41-42页 |
| 4.3 答题卡图像角点检测与校正 | 第42-45页 |
| 4.4 答题卡图像的增强 | 第45-50页 |
| 5 特征提取、优化及分类实验 | 第50-57页 |
| 5.1 图像特征提取实验 | 第50-53页 |
| 5.2 特征优化实验 | 第53-55页 |
| 5.3 支持向量机分类实验 | 第55-57页 |
| 6 阅卷系统的设计与实现 | 第57-65页 |
| 6.1 答题卡的制作与图像生成 | 第57-58页 |
| 6.2 填涂点定位 | 第58页 |
| 6.3 答题卡识别 | 第58-60页 |
| 6.4 AnswerSheetRecognition 系统 | 第60-62页 |
| 6.5 阅卷结果统计 | 第62-63页 |
| 6.6 应用程序构成 | 第63-65页 |
| 7 总结和展望 | 第65-67页 |
| 7.1 全文总结 | 第65-66页 |
| 7.2 后续工作及展望 | 第66-67页 |
| 参考文献 | 第67-68页 |
| 致谢 | 第68页 |