| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 自然场景文本提取面临的挑战 | 第12-15页 |
| 1.2.1 自然场景中的文本分类 | 第12-13页 |
| 1.2.2 自然场景中文本提取面临的挑战 | 第13-14页 |
| 1.2.3 现有自然场景文本提取方法存在的问题 | 第14-15页 |
| 1.3 本文研究贡献和组织结构 | 第15-17页 |
| 1.3.1 本文主要贡献 | 第15-16页 |
| 1.3.2 本文组织结构 | 第16-17页 |
| 第二章 场景文本提取方法概述 | 第17-23页 |
| 2.1 场景文本检测的研究现状 | 第17-18页 |
| 2.1.1 基于连通区域分析的方法 | 第17页 |
| 2.1.2 基于滑动窗口分类的方法 | 第17-18页 |
| 2.1.3 现有方法的对比分析 | 第18页 |
| 2.2 场景文本识别的研究现状 | 第18-19页 |
| 2.2.1 字符识别 | 第18-19页 |
| 2.2.2 单词识别 | 第19页 |
| 2.2.3 现有方法的对比分析 | 第19页 |
| 2.3 常用数据集及算法评估指标 | 第19-22页 |
| 2.3.1 数据集 | 第20-21页 |
| 2.3.2 算法评估指标 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于树修剪和多特征融合的场景文本检测 | 第23-31页 |
| 3.1 场景文本检测 | 第23-28页 |
| 3.1.1 边缘叠加的MSER提取 | 第23-24页 |
| 3.1.2 基于MSER树修剪的重复文本候选区域剔除 | 第24-25页 |
| 3.1.3 基于贝叶斯多特征融合的非文本候选区域剔除 | 第25-27页 |
| 3.1.4 基于文本结构特点的文本候选区域合并 | 第27-28页 |
| 3.2 实验结果及分析 | 第28-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 基于稀疏编码直方图的场景文本识别 | 第31-41页 |
| 4.1 场景文本识别算法流程 | 第31页 |
| 4.2 字符的稀疏编码直方图特征描述 | 第31-32页 |
| 4.2.1 稀疏编码表示局部特征描述子 | 第31-32页 |
| 4.2.2 稀疏编码直方图聚合 | 第32页 |
| 4.2.3 高维稀疏编码描述子降维 | 第32页 |
| 4.3 基于HSC-TSM的字符识别 | 第32-34页 |
| 4.4 基于CRF模型的单词识别 | 第34-36页 |
| 4.4.1 基于树结构的图构建 | 第35页 |
| 4.4.2 代价函数 | 第35页 |
| 4.4.3 基于TRW-S算法的单词推断 | 第35-36页 |
| 4.5 实验结果及分析 | 第36-39页 |
| 4.5.1 字符识别的结果及分析 | 第36-37页 |
| 4.5.2 单词识别的结果及分析 | 第37-39页 |
| 4.6 本章小结 | 第39-41页 |
| 第五章 场景文本提取系统的设计与实现 | 第41-47页 |
| 5.1 系统总体设计 | 第41-44页 |
| 5.1.1 系统主要功能 | 第41-42页 |
| 5.1.2 系统组成结构 | 第42页 |
| 5.1.3 系统流程 | 第42-44页 |
| 5.2 系统性能测试及分析 | 第44-45页 |
| 5.2.1 测试集构造 | 第44页 |
| 5.2.2 测试结果与分析 | 第44-45页 |
| 5.3 本章小结 | 第45-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 本文的工作总结 | 第47-48页 |
| 6.2 下一步研究工作展望 | 第48-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第57页 |