摘要
第一章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 光学手写数字字符识别技术发展历程与趋势
1.3 研究内容,及结构安排
第二章 图像预处理
2.1 彩色图像二值化
2.1.1 RGB颜色模型与HSV颜色模型概述
2.1.2 彩色图像二值化理论基础
2.1.3 利用RGB与HSV颜色模型二值化实验分析
2.2 字符分割
2.2.1 未粘连字符分割
2.2.2 贴连字符的分割
2.3 字符图像大小归一化
2.3.1 图像缩放
2.4 本章小结
第三章 字符图像的特征提取
3.1 字符图像的细化(骨架特征提取)
3.1.1 zhang并行快速细化算法
3.1.2 算法流程及实验结果
3.2 图像的边缘特征提取
3.2.1 基于梯度法的边缘检测
3.2.2 基于拉普拉斯算子的边缘检测法
3.2.3 基于形态学的边界跟踪算法
3.2.4 几种边界检测算法在本课题中的实验比较
3.3 基于对数极坐标变换的形状上下文特征描述
3.3.1 对数极坐标变换原理
3.3.2 对数级坐标变换描述特征
3.4 图像横纵向的投影累加值的特征描述
3.5 骨架特征与轮廓特征的比较
3.6 本章小结
第四章 遗传优化误差逆传播人工神经网络
4.1 误差逆传播人工神经网络
4.1.1 人工神经元的结构
4.1.2 人工神经元的激活函数
4.1.3 人工神经网络的学习规则
4.1.4 BP人工神经网络的拓朴结构及算法流程
4.1.5 BP人工神经网络的特点及改进算法
4.2 遗传算法原理
4.2.1 遗传算法理论
4.2.2 遗传算法的特点及算法的流程
4.3 遗传优化BP人工神经网络
4.4 本章小结
第五章 支持向量机算法
5.1 线性SVM基本原理
5.2 非线性SVM原理
5.3 支持向量机的多类分类问题
5.3.1 “一对多”方法
5.3.2 “一对一”方法
5.3.3 有向无环图方法(Directed Acyclic Graph,简称DAG)
5.4 本章小结
第六章 人工神经网络的设计及实验结果分析
6.1 GA-BP人工神经网络的设计
6.1.1 BP人工神经网络部份
6.1.2 遗传优化算法部份的设计
6.2 支持向量机识别算法的设计
6.3 实验数据分析
6.4 本文结论
6.5 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
声明