自然场景下汉字定位与识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 面临的挑战与难点 | 第10-11页 |
| 1.3 相关技术及研究现状 | 第11-14页 |
| 1.3.1 场景文字定位技术 | 第11-13页 |
| 1.3.2 字符分割及倾斜矫正 | 第13页 |
| 1.3.3 汉字识别 | 第13-14页 |
| 1.4 论文研究内容及结构安排 | 第14-18页 |
| 第二章 场景文字定位方法 | 第18-37页 |
| 2.1 相关基础理论和算法 | 第18-25页 |
| 2.1.1 最大稳定极值区域 | 第18-22页 |
| 2.1.2 笔画宽度变换 | 第22-23页 |
| 2.1.3 角点特征 | 第23-24页 |
| 2.1.4 颜色空间 | 第24-25页 |
| 2.2 一种基于MSER和颜色聚类的文本定位方法 | 第25-31页 |
| 2.2.1 MSER区域初步验证 | 第26-27页 |
| 2.2.2 颜色聚类 | 第27-29页 |
| 2.2.3 基于笔画宽度和角点特征的二次判别 | 第29-31页 |
| 2.3 连通域聚合及汉字生成 | 第31-32页 |
| 2.4 场景文字初步定位实验 | 第32-36页 |
| 2.4.1 数据库建立 | 第32-33页 |
| 2.4.2 图像标定 | 第33页 |
| 2.4.3 场景文字定位评价标准 | 第33-35页 |
| 2.4.4 实验结果及分析 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 字符分割及预处理 | 第37-41页 |
| 3.1 字符的倾斜矫正 | 第37-38页 |
| 3.2 字符的切分 | 第38页 |
| 3.3 字符的切分和倾斜矫正的结合 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 文本判别的卷积神经网络方法 | 第41-57页 |
| 4.1 卷积神经网络结构 | 第41-43页 |
| 4.2 卷积神经网络的训练方法 | 第43-47页 |
| 4.2.1 信号的正向传播 | 第43-44页 |
| 4.2.2 误差的反向传播 | 第44-47页 |
| 4.3 用于文本和背景判别的卷积神经网络 | 第47-52页 |
| 4.3.1 网络结构 | 第47-48页 |
| 4.3.2 卷积神经网络训练算法改进 | 第48-52页 |
| 4.4 卷积神经网络二分类实验 | 第52-54页 |
| 4.4.1 实验平台 | 第52页 |
| 4.4.2 数据库建立与扩增 | 第52-53页 |
| 4.4.3 实验结果及分析 | 第53-54页 |
| 4.5 自然场景汉字定位实验 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 汉字识别技术的研究 | 第57-62页 |
| 5.1 用于汉字识别的卷积神经网络结构 | 第57-58页 |
| 5.2 网络训练方法 | 第58-59页 |
| 5.3 样本建立与扩增 | 第59页 |
| 5.4 实验结果 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结和展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 主要参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 硕士期间公开发表论文情况 | 第70页 |
