| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 相关技术及研究现状 | 第11-15页 |
| 1.2.1 OCR与深度卷积发展历史 | 第11-14页 |
| 1.2.2 OCR技术流程 | 第14-15页 |
| 1.2.3 OCR与深度卷积研究现状 | 第15页 |
| 1.3 本文主要研究内容 | 第15-18页 |
| 第二章 OCR技术及深度卷积神经网络理论基础 | 第18-30页 |
| 2.1 OCR流程模块 | 第18页 |
| 2.2 文字区域提取方法 | 第18-22页 |
| 2.2.1 基于版面分析的文字区域提取 | 第19-22页 |
| 2.2.2 基于深度学习的文字区域提取 | 第22页 |
| 2.3 区域分割及识别方法 | 第22-23页 |
| 2.3.1 字符切分 | 第22-23页 |
| 2.3.2 字符识别 | 第23页 |
| 2.4 卷积神经网络 | 第23-26页 |
| 2.4.1 卷积神经网络理论 | 第23-25页 |
| 2.4.2 卷积神经网络的与图像处理 | 第25-26页 |
| 2.5 卷积神经网络与图像中目标检测 | 第26-29页 |
| 2.5.1 区域卷积神经网络 | 第26-27页 |
| 2.5.2 区域卷积神经网络的优化方法 | 第27-28页 |
| 2.5.3 Yolo目标检测 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于深度卷积神经网络的证件图像文本区域定位 | 第30-43页 |
| 3.1 证件图像的图像预处理 | 第30-33页 |
| 3.1.1 证件图像的图像增强 | 第30-31页 |
| 3.1.2 证件图像的图像处理水平校正 | 第31-33页 |
| 3.1.3 证件图像的SIFT特征校正 | 第33页 |
| 3.2 基于卷积神经网络的证件图像文本区域定位 | 第33-41页 |
| 3.2.1 证件图像文本区域定位算法 | 第35-39页 |
| 3.2.2 证件图像文本线构造算法 | 第39-40页 |
| 3.2.3 模型的输出和损失函数 | 第40-41页 |
| 3.3 数据 | 第41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 字符切分与字符识别 | 第43-56页 |
| 4.1 字符切分 | 第43-49页 |
| 4.1.1 字符切分的方法 | 第43-44页 |
| 4.1.2 字符切分的难点 | 第44页 |
| 4.1.3 字符切分方法流程 | 第44-46页 |
| 4.1.4 基于自适应阈值与滑动窗口的二值化 | 第46-49页 |
| 4.1.5 基于识别模型的反馈优化 | 第49页 |
| 4.2 字符识别 | 第49-55页 |
| 4.2.1 字符识别模型 | 第50-52页 |
| 4.2.2 识别模型训练数据 | 第52-53页 |
| 4.2.3 模型训练策略 | 第53-55页 |
| 4.3 后优化处理 | 第55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 系统设计与实验分析 | 第56-71页 |
| 5.1 系统架构 | 第56-60页 |
| 5.1.1 系统模块方法 | 第56-57页 |
| 5.1.2 系统实现 | 第57-60页 |
| 5.1.3 系统环境配置 | 第60页 |
| 5.2 文本区域定位模块实验 | 第60-66页 |
| 5.2.1 基于版面分析文本区域定位实验 | 第60-63页 |
| 5.2.2 基于深度卷积网络的文本区域定位实验 | 第63-65页 |
| 5.2.3 鲁棒性实验测试 | 第65页 |
| 5.2.4 文本区域实验结果分析 | 第65-66页 |
| 5.3 字符切分模块实验 | 第66-68页 |
| 5.3.1 图像的二值化实验 | 第66页 |
| 5.3.2 文本图像切分实验 | 第66-67页 |
| 5.3.3 实验结果分析 | 第67-68页 |
| 5.4 字符识别模块实验 | 第68-69页 |
| 5.4.1 模型策略及训练策略实验 | 第68-69页 |
| 5.4.2 字符识别模块实验结果分析 | 第69页 |
| 5.5 OCR系统识别实验 | 第69-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻硕期间取得的成果 | 第77页 |