| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 基于纹理特征的方法 | 第12-14页 |
| 1.2.2 基于连通域的方法 | 第14-16页 |
| 1.2.3 基于边缘的方法 | 第16-17页 |
| 1.2.4 混合方法 | 第17页 |
| 1.3 面临的挑战与难点 | 第17-20页 |
| 1.4 本文的主要工作及论文结构 | 第20-22页 |
| 第二章 基于最大稳定极值区域的文本候选区域的检测 | 第22-35页 |
| 2.1 最大稳定极值区域概述 | 第22-26页 |
| 2.1.1 最大稳定极值区域的数学定义 | 第24-25页 |
| 2.1.2 最大稳定极值区域的性质 | 第25-26页 |
| 2.2 文本检测问题的描述及解决思路 | 第26-27页 |
| 2.3 基于边缘增强的最大稳定极值区域的提取 | 第27-34页 |
| 2.3.1 最大稳定极值区域检测的效果 | 第27-28页 |
| 2.3.2 基于边缘增强的MSER检测 | 第28-31页 |
| 2.3.3 嵌套的MSER剪枝算法 | 第31-34页 |
| 2.4 本章总结 | 第34-35页 |
| 第三章 基于笔画宽度的文本候选区域的精剪 | 第35-44页 |
| 3.1 笔画宽度变换原理 | 第35-38页 |
| 3.1.1 笔画宽度变换流程 | 第35-38页 |
| 3.1.2 笔画宽度变换算法的实现 | 第38页 |
| 3.2 改进的笔画宽度变换 | 第38-41页 |
| 3.3 文本候选区域的生成 | 第41-42页 |
| 3.4 多方向候选文本区域的形成 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于Adaboost与SVM的快速文本定位 | 第44-59页 |
| 4.1 基于连通区域的文本区域的定位 | 第45-48页 |
| 4.1.1 候选区域的初步验证 | 第45-46页 |
| 4.1.2 字符区域的特征描述 | 第46-48页 |
| 4.2 Adaboost基本原理 | 第48-50页 |
| 4.3 支持向量机的基本原理 | 第50-52页 |
| 4.4 基于Adaboost与SVM的级联分类器 | 第52-53页 |
| 4.6 实验结果与分析 | 第53-58页 |
| 4.6.1 自然场景文本定位数据集 | 第54-55页 |
| 4.6.2 自然场景文本定位评价方法 | 第55-56页 |
| 4.6.3 实验结果与分析 | 第56-58页 |
| 4.7 本章总结 | 第58-59页 |
| 第五章 基于卷积神经网络的文本检测 | 第59-68页 |
| 5.1 引言 | 第59-63页 |
| 5.2 候选文本区域的提取 | 第63-64页 |
| 5.3 特征层的融合 | 第64-65页 |
| 5.4 实验结果与分析 | 第65-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第74-75页 |
| 致谢 | 第75页 |