| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 光学字符识别(OCR)维汉翻译系统的研究目的与意义 | 第7页 |
| 1.2 维吾尔文字识别技术的研究现状 | 第7-9页 |
| 1.3 维吾尔文单词翻译技术的研究现状 | 第9-10页 |
| 1.4 光学字符识别维汉翻译系统的总框架 | 第10页 |
| 1.5 本文的研究工作 | 第10-12页 |
| 第二章 相关技术概述 | 第12-21页 |
| 2.1 文字识别(OCR)技术与Tesseract简介 | 第12-13页 |
| 2.1.1 文字识别系统的原理和组成 | 第12页 |
| 2.1.2 Tesseract简介 | 第12-13页 |
| 2.2 维吾尔文字特点简介与研究难点分析 | 第13-16页 |
| 2.2.1 维吾尔文字的结构与书写特点 | 第13-14页 |
| 2.2.2 维吾尔文字图像特点 | 第14-15页 |
| 2.2.3 研究难点分析 | 第15-16页 |
| 2.3 统计机器翻译(MT)技术简介与维汉机器翻译技术难点分析 | 第16-18页 |
| 2.3.1 机器翻译技术 | 第16-17页 |
| 2.3.2 维汉机器翻译技术研究难点分析 | 第17-18页 |
| 2.4 MicrosoftAzure云平台简介 | 第18-21页 |
| 第三章 维吾尔文的文字识别模块实现 | 第21-50页 |
| 3.1 维吾尔文文字识别系统总框架 | 第21-25页 |
| 3.1.1 MVC模式简介 | 第22-24页 |
| 3.1.2 本系统的MVC方案 | 第24-25页 |
| 3.2 图片获取模块实现 | 第25-28页 |
| 3.2.1 相机拍照 | 第25-27页 |
| 3.2.2 从相册获取 | 第27-28页 |
| 3.2.3 图片裁剪 | 第28页 |
| 3.3 图片处理模块实现 | 第28-39页 |
| 3.3.1 改进的多尺度分水岭算法的维吾尔文字图像切分 | 第29-39页 |
| 3.3.2 分割结果分析 | 第39页 |
| 3.4 图片识别模块实现 | 第39-45页 |
| 3.4.1 维吾尔文识别训练 | 第39-43页 |
| 3.4.2 Tesseract算法： | 第43-45页 |
| 3.5 Android应用层与TesseractJNI层的交互 | 第45-47页 |
| 3.5.1 JNI功能简介 | 第45-46页 |
| 3.5.2 JNI调用流程 | 第46-47页 |
| 3.6 Web通讯模块实现 | 第47-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 维汉机器翻译与云端模块实现 | 第50-65页 |
| 4.1 维汉机器翻译模块实现 | 第50-57页 |
| 4.1.1 收集维汉平行语料库 | 第50-53页 |
| 4.1.2 NiuTrans开源训练模型 | 第53-56页 |
| 4.1.3 搭建维汉机器翻译系统 | 第56-57页 |
| 4.2 云端模块实现 | 第57-63页 |
| 4.2.1 云端模块总框架 | 第57页 |
| 4.2.2 MicrosoftAzure云平台部署 | 第57-61页 |
| 4.2.3 WebService模块 | 第61-63页 |
| 4.3 本章小结 | 第63-65页 |
| 第五章 光学字符识别维汉翻译系统的实现与测试 | 第65-71页 |
| 5.1 Android架构分析 | 第65-66页 |
| 5.2 系统的运行环境搭建 | 第66-67页 |
| 5.3 系统界面设计与功能介绍 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 课题研究总结 | 第71页 |
| 6.2 前景展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 研究生期间发表论文和参加科研情况 | 第76-78页 |
