| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-12页 |
| ·文本检测的研究背景 | 第9页 |
| ·国内外文本检测的研究现状 | 第9-10页 |
| ·本文的主要工作 | 第10页 |
| ·论文结构 | 第10-12页 |
| 第二章 文本检测技术 | 第12-24页 |
| ·文本检测技术的应用 | 第12-13页 |
| ·文本检测技术的特性与难点 | 第13-16页 |
| ·文本的分类 | 第13-15页 |
| ·文本的特征 | 第15页 |
| ·文本检测技术的难点 | 第15-16页 |
| ·文本检测技术的分类 | 第16-18页 |
| ·文本检测技术的现存方案 | 第18-22页 |
| ·基于区域的方法 | 第18页 |
| ·基于边缘和梯度的方法 | 第18-19页 |
| ·基于纹理的方法 | 第19-20页 |
| ·基于学习的方法 | 第20页 |
| ·压缩域方法 | 第20-21页 |
| ·时空方法 | 第21页 |
| ·基于字符形状特征的方法 | 第21-22页 |
| ·文本检测技术存在的主要问题 | 第22-24页 |
| 第三章 多尺度GABOR 滤波器和BP 神经网络的基本理论 | 第24-38页 |
| ·GABOR 滤波器理论 | 第24-30页 |
| ·函数的提出 | 第24-25页 |
| ·2-D Gabor 滤波器 | 第25-27页 |
| ·Gabor 变换及其函数特性 | 第27-29页 |
| ·Gabor 滤波器在特征提取中的应用研究 | 第29-30页 |
| ·相关领域 Gabor 的应用 | 第30页 |
| ·BP 神经网络（误差逆向传播网络） | 第30-38页 |
| ·神经网络概述 | 第30-33页 |
| ·人工神经网络简介 | 第30-32页 |
| ·人工神经元激活函数 | 第32-33页 |
| ·误差逆向传播网络的定义、特点及应用 | 第33-35页 |
| ·误差逆向传播网络的实现 | 第35-38页 |
| 第四章 基于多尺度GABOR 滤波器和BP 神经网络的文本检测算法 | 第38-51页 |
| ·图像预处理 | 第38-43页 |
| ·HSI 颜色空间 | 第38-43页 |
| ·图像预处理(局部图像增强) | 第43页 |
| ·基于连通分量的文本粗检测 | 第43-46页 |
| ·边缘检测 | 第43-45页 |
| ·基于密度的区域增长 | 第45-46页 |
| ·用先验信息初步滤除非文本区域 | 第46页 |
| ·基于纹理的文本细检测 | 第46-51页 |
| ·多尺度 Gabor 滤波和特征提取 | 第46-47页 |
| ·特征选择 | 第47-48页 |
| ·用 BP 神经网络分类 | 第48-51页 |
| 第五章 实验和结论 | 第51-56页 |
| ·影响文本检测的因素 | 第51页 |
| ·本论文的实验结果 | 第51-55页 |
| ·彩色图像中的检测结果 | 第51-53页 |
| ·视频中的文本检测结果 | 第53-54页 |
| ·场景图像中的文本检测结果 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 在学期间公开发表论文及著作情况 | 第62页 |