| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究意义与选题背景 | 第10-12页 |
| 1.1.1 研究意义 | 第10-11页 |
| 1.1.2 选题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 图像中文本检测研究现状 | 第12-15页 |
| 1.2.2 文本检测存在的问题 | 第15页 |
| 1.2.3 图像中文本识别研究现状 | 第15-17页 |
| 1.2.4 文本识别存在的问题 | 第17-18页 |
| 1.3 论文的主要研究内容 | 第18-20页 |
| 1.3.1 主要研究内容 | 第18页 |
| 1.3.2 章节安排 | 第18-20页 |
| 第二章 图像中的文本检测 | 第20-38页 |
| 2.1 引言 | 第20页 |
| 2.2 医学影像中的文本检测 | 第20-23页 |
| 2.2.1 图像的同态滤波 | 第20-22页 |
| 2.2.2 图像的边缘检测 | 第22-23页 |
| 2.2.3 基于形态学的文本检测 | 第23页 |
| 2.3 工业现场中的文本检测 | 第23-29页 |
| 2.3.1 RGB转HSV颜色空间 | 第24-25页 |
| 2.3.2 基于色调的桶箱检测 | 第25-26页 |
| 2.3.3 基于依赖关系的字符分割 | 第26-27页 |
| 2.3.4 基于形态学的文本定位 | 第27-29页 |
| 2.4 自然场景中的文本检测 | 第29-32页 |
| 2.4.1 基于边界提升MSER算法的区域提取 | 第29-30页 |
| 2.4.2 基于字符分拣树的非字符区域剔除 | 第30-31页 |
| 2.4.3 多层融合的字符聚合 | 第31页 |
| 2.4.4 文本行验证 | 第31-32页 |
| 2.5 实验结果与分析 | 第32-36页 |
| 2.5.1 医学影像中文本检测算法实验结果与分析 | 第33-34页 |
| 2.5.2 工业图像中文本检测方法实验与分析 | 第34-35页 |
| 2.5.3 自然场景文本检测实验与分析 | 第35-36页 |
| 2.6 本章小结 | 第36-38页 |
| 第三章 基于字符分割的文本识别 | 第38-58页 |
| 3.1 引言 | 第38页 |
| 3.2 基于文本纵向投影的无监督分割识别 | 第38-43页 |
| 3.2.1 投射曲线的预处理与单字符宽度估计 | 第39-40页 |
| 3.2.2 投射段的无监督聚合分割 | 第40-41页 |
| 3.2.3 基于CNN的字符识别 | 第41-43页 |
| 3.3 基于CNN滑窗的字符凸包分割识别 | 第43-48页 |
| 3.3.1 基于CNN滑窗的字符识别 | 第43-44页 |
| 3.3.2 滑窗识别结果的字符凸包检测 | 第44-46页 |
| 3.3.3 基于SVM的字符凸包识别 | 第46-47页 |
| 3.3.4 基于CNN的字符识别 | 第47-48页 |
| 3.4 基于字符序列的二次识别 | 第48-51页 |
| 3.4.1 RNN简介 | 第48-50页 |
| 3.4.2 基于RNN的字符序列识别 | 第50-51页 |
| 3.5 实验结果分析 | 第51-56页 |
| 3.5.1 滑动窗口图像的自动标注 | 第51-52页 |
| 3.5.2 基于CNN的字符识别实验与分析 | 第52-53页 |
| 3.5.3 基于字符分割的文本识别实验与分析 | 第53-55页 |
| 3.5.4 RNN语言模型的有效性实验与分析 | 第55-56页 |
| 3.6 本章小结 | 第56-58页 |
| 第四章 基于序列的文本识别方法 | 第58-74页 |
| 4.1 引言 | 第58页 |
| 4.2 LSTM序列学习模型的简介 | 第58-61页 |
| 4.2.1 LSTM模型概述 | 第59-60页 |
| 4.2.2 LSTM的训练与测试 | 第60-61页 |
| 4.3 文本行图像序列的划分与标注 | 第61-63页 |
| 4.3.1 文本行图像序列的划分 | 第62页 |
| 4.3.2 文本行图像序列的标注 | 第62-63页 |
| 4.4 基于CNN的序列图像特征提取 | 第63-65页 |
| 4.4.1 基于CNN图像特征提取的必要性分析 | 第63页 |
| 4.4.2 图像特征提取的CNN网络模型 | 第63-64页 |
| 4.4.3 CNN网络提取特征的分析 | 第64-65页 |
| 4.5 基于LSTM的双向文本特征序列识别 | 第65-66页 |
| 4.6 基于序列标签学习的识别结果评价与整合 | 第66-70页 |
| 4.6.1 基于马尔科夫模型的序列标签学习与特征序列识别结果评价 | 第67页 |
| 4.6.2 基于LSTM的标签序列学习与特征序列识别结果评价 | 第67-69页 |
| 4.6.3 最佳特征序列识别结果的整合 | 第69-70页 |
| 4.7 实验结果与分析 | 第70-72页 |
| 4.8 本章小结 | 第72-74页 |
| 第五章 总结与展望 | 第74-78页 |
| 5.1 总结 | 第74-76页 |
| 5.1.1 图像中的文本检测 | 第74-75页 |
| 5.1.2 图像中的文本识别 | 第75-76页 |
| 5.2 展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 作者在校期间发表的论文清单 | 第82页 |