| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| 第二章 文字定位相关工作及平面媒体特性分析 | 第12-18页 |
| 2.1 文字图像定位算法概述 | 第12-16页 |
| 2.1.1 传统的文字定位算法 | 第12-16页 |
| 2.1.2 基于机器学习的文字定位算法 | 第16页 |
| 2.2 平面媒体特性分析 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于纹理和区域的文字定位方法 | 第18-39页 |
| 3.1 基于DCT 谐波能量的图像分析方法 | 第18-20页 |
| 3.2 基于连通组件的文字定位方法 | 第20-38页 |
| 3.2.1 Hough 变换 | 第22-23页 |
| 3.2.2 聚类 | 第23-27页 |
| 3.2.3 多值图像的分割 | 第27-29页 |
| 3.2.4 连通组件的生成 | 第29-31页 |
| 3.2.5 文字区域的检测与定位 | 第31-34页 |
| 3.2.6 文字区域的合并 | 第34-35页 |
| 3.2.7 测试结果与分析 | 第35-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于机器学习的文字定位方法 | 第39-65页 |
| 4.1 机器学习的基本概念 | 第39-43页 |
| 4.1.1 机器学习的基本要求及模型 | 第39-41页 |
| 4.1.2 机器学习的主要策略分类 | 第41-43页 |
| 4.2 ADABOOST 机器学习方法 | 第43-44页 |
| 4.3 基于ADABOOST 的定位方法设计 | 第44-55页 |
| 4.3.1 样本库的选择与生成 | 第44-45页 |
| 4.3.2 特征集的研究与提取 | 第45-51页 |
| 4.3.3 AdaBoost 学习 | 第51-52页 |
| 4.3.4 分类器的级联 | 第52-54页 |
| 4.3.5 文字的定位与输出 | 第54-55页 |
| 4.4 基于ADABOOST 的定位方法实现 | 第55-61页 |
| 4.4.1 特征的实现 | 第56-58页 |
| 4.4.2 AdaBoost 与Cascade 的实现 | 第58-60页 |
| 4.4.3 定位程序的实现 | 第60页 |
| 4.4.4 最终软件的实现 | 第60-61页 |
| 4.5 实验结果及分析 | 第61-64页 |
| 4.5.1 测试流程及实验结果 | 第61-63页 |
| 4.5.2 结果分析与结论 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结及展望 | 第65-67页 |
| 5.1 主要结论 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间已发表的论文 | 第72-74页 |