| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景和研究意义 | 第10-12页 |
| 1.2 相关技术研究现状 | 第12-14页 |
| 1.2.1 自然场景下字符定位技术的研究现状 | 第12-13页 |
| 1.2.2 自然场景下字符识别技术的研究现状 | 第13-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 第2章 自然场景下字符区域定位与识别关键技术 | 第16-38页 |
| 2.1 最大稳定极值区域检测 | 第16-20页 |
| 2.1.1 MSER的原理与定义 | 第17-19页 |
| 2.1.2 MSER检测 | 第19-20页 |
| 2.2 有效区域对获取 | 第20-24页 |
| 2.3 三联体区域提取 | 第24-28页 |
| 2.4 候选文本区域生成 | 第28-30页 |
| 2.5 HOG特征 | 第30-32页 |
| 2.6 SVM介绍 | 第32-36页 |
| 2.6.1 SVM的原理 | 第32-35页 |
| 2.6.2 C_SVM | 第35页 |
| 2.6.3 核函数的选择 | 第35-36页 |
| 2.7 本章总结 | 第36-38页 |
| 第3章 基于SVM的自然场景下文本定位与识别 | 第38-54页 |
| 3.1 自然场景下文本区域定位 | 第38-45页 |
| 3.1.1 SVM的类型选择及参数设置 | 第38-39页 |
| 3.1.2 SVM的训练过程 | 第39-40页 |
| 3.1.3 实验结果分析 | 第40-45页 |
| 3.2 基于Tesseract-OCR的自然场景下字符识别 | 第45-52页 |
| 3.2.1 Tesseract-OCR介绍 | 第45-46页 |
| 3.2.2 文本行和单词的查找 | 第46-47页 |
| 3.2.3 单词的识别 | 第47-48页 |
| 3.2.4 Tesseract-OCR训练过程 | 第48-50页 |
| 3.2.5 Tesseract-OCR的特征提取 | 第50-51页 |
| 3.2.6 实验结果分析 | 第51-52页 |
| 3.3 本章小结 | 第52-54页 |
| 第4章 复杂工业环境下铁路油罐车车号定位与识别 | 第54-70页 |
| 4.1 铁路油罐车车号定位 | 第54-60页 |
| 4.1.1 SVM的参数设置及训练过程 | 第54-55页 |
| 4.1.2 定位过程中相关参数设置 | 第55-58页 |
| 4.1.3 实验结果分析 | 第58-60页 |
| 4.2 投影校正 | 第60-61页 |
| 4.3 铁路油罐车车号字符分隔 | 第61-65页 |
| 4.4 罐车字符识别 | 第65-68页 |
| 4.4.1 HOG特征提取 | 第65-66页 |
| 4.4.2 基于SVM的字符识别 | 第66-67页 |
| 4.4.3 识别结果分析 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-78页 |
| 致谢 | 第78页 |