自然场景图像中文本检测技术研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 缩写清单 | 第14-16页 |
| 1 绪论 | 第16-22页 |
| 1.1 课题背景与意义 | 第16-19页 |
| 1.2 研究目的与主要工作 | 第19-20页 |
| 1.3 论文的组织结构 | 第20-22页 |
| 2 研究现状综述 | 第22-42页 |
| 2.1 引言 | 第22-23页 |
| 2.2 文本检测技术研究现状 | 第23-34页 |
| 2.2.1 基于连通域的方法 | 第25-29页 |
| 2.2.2 基于滑动窗的方法 | 第29-32页 |
| 2.2.3 基于深度学习的方法 | 第32-34页 |
| 2.3 数据集和评估方法 | 第34-41页 |
| 2.3.1 数据集 | 第35-39页 |
| 2.3.2 评估方法 | 第39-41页 |
| 2.4 本章小结 | 第41-42页 |
| 3 基于笔画和颜色融合的文本检测算法 | 第42-62页 |
| 3.1 引言 | 第42-44页 |
| 3.2 文本字符的检测 | 第44-54页 |
| 3.2.1 字符连通域的提取 | 第44-47页 |
| 3.2.2 连通域的过滤 | 第47-51页 |
| 3.2.3 漏检字符的提取 | 第51-54页 |
| 3.3 文本的生成和判断 | 第54-56页 |
| 3.4 实验结果与分析 | 第56-61页 |
| 3.4.1 字符检测 | 第56-58页 |
| 3.4.2 文本检测 | 第58-61页 |
| 3.5 本章小结 | 第61-62页 |
| 4 基于极值区域的文本检测算法 | 第62-82页 |
| 4.1 引言 | 第62-63页 |
| 4.2 文本字符的检测 | 第63-74页 |
| 4.2.1 极值区域算子 | 第63-64页 |
| 4.2.2 多通道的提取 | 第64-66页 |
| 4.2.3 连通域的过滤 | 第66-70页 |
| 4.2.4 误分类字符的召回 | 第70-72页 |
| 4.2.5 重叠连通域的排除 | 第72-74页 |
| 4.3 文本行的生成和判断 | 第74-75页 |
| 4.4 实验结果与分析 | 第75-80页 |
| 4.4.1 字符检测 | 第76-77页 |
| 4.4.2 文本检测 | 第77-80页 |
| 4.5 本章小结 | 第80-82页 |
| 5 基于卷积神经网络的文本检测算法 | 第82-101页 |
| 5.1 引言 | 第82-88页 |
| 5.2 算法流程 | 第88-95页 |
| 5.2.1 候选区域的提取 | 第88-91页 |
| 5.2.2 特征层的融合 | 第91-92页 |
| 5.2.3 候选区域位置的修正 | 第92-93页 |
| 5.2.4 非极大值抑制 | 第93-95页 |
| 5.3 实验结果与分析 | 第95-100页 |
| 5.3.1 实验细节 | 第95页 |
| 5.3.2 检测性能比较 | 第95-100页 |
| 5.4 本章小结 | 第100-101页 |
| 6 结论 | 第101-104页 |
| 6.1 本文工作总结 | 第101-102页 |
| 6.2 未来工作展望 | 第102-104页 |
| 参考文献 | 第104-112页 |
| 作者简历及在学研究成果 | 第112-115页 |
| 学位论文数据集 | 第115页 |
