首页> 中文学位 >基于脉冲耦合神经网络的印章识别
【6h】

基于脉冲耦合神经网络的印章识别

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第 一 章 绪 论

1 .1引言

1 .2印章相关知识介绍

1 .3印章识别的目的及研究意义

1 .4印章识别技术难点

1 .5国内外研究现状

1 .6印章识别一般流程及步骤简述

1 .7本文主要研究内容及文章结构

1 .8小结

第二草印草图像录入及预处理研究

2 .1图像数字化录入

2 .2图像预处理研究

2 .3图像特征分析

2 .4印章录入及预处理

2 .5小结

第 三 章 PCNN基本原理及参数设置

3.1 PCNN基本原理

3.2 PCNN的特点及作用

3.3 PCNN参数设定

3 .4小结

第四章印章旋转不变性特征提取研究

4 .1基于皮尔逊相关系数及方差简述

4 .2脉冲耦合神经网络特征序列选取

4 .3印章形状识别研究

4 .4印章旋转特征不变性研究

4 .5实验特征在印章缺失条件下应用讨论

4 .6小结

第 五 章 结 论

5 .1总结

5 .2展望

参考文献

攻读学位期间所取得的相关科研成果

致谢

展开▼

摘要

印章识别特征提取作为印章识别系统中的重要组成部分,对于实际印章识别系统而言,研究印章特征提取的对象有着积极的意义。
  本文以脉冲耦合神经网络(PCNN)模型为理论基础,研宄了提取图像形状特征信息时PCNN参数的选取,确定了一种能够准确而快速识别不同形状印章的较为稳定的序列特征,并进一步证明该特征在印章盖印角度不同时具有同样的适用性,在此基础上,本文还对该特征在印章在不同缺失度下的适用性做出讨论。
  实验中利用脉冲耦合神经网络,输入神经网络的图像为二值图像,输出得到图像的能量对数序列,将不同形状样本印章通过脉冲耦合神经网络后的能量对数序列作为特征并存为样本序列,用相同方法得到待识别的不同形状印章的能量对数序列后与样本序列进行匹配识别,同时将角度旋转印章图像作为待识别图像进行匹配统计。通过Pearson以及方差对实验所得数值进行统计研究。将不同形状印章图像通过脉冲耦合神经网络后得到的能量对数序列作为特征对印章形状进行识别效果较好,形状相同印章之间的与其他形状间的Pearson相关系数相比为数值中的最大值,方差值也相对较小,并且该特征不受印章盖印角度的影响,具有稳定性,在此基础上,实验进一步探究了该方法在印章缺失情况下的可行性与局限性。
  本文所描述的特征提取方法优势在于利用脉冲耦合神经网络所提取的印章特征在印章盖印角度不同时同样适用,可较为广泛地运用在印章形状特征的分类之中,为后续工作提供保障。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号