| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 自然场景文本分析 | 第8-11页 |
| 1.2.1 自然场景文本的特征 | 第8-10页 |
| 1.2.2 自然场景文本定位和识别面临的挑战 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 文本定位 | 第11-13页 |
| 1.3.2 文本识别 | 第13-14页 |
| 1.4 主要研究内容及章节安排 | 第14-15页 |
| 2 卷积神经网络理论 | 第15-23页 |
| 2.1 人工神经网络理论 | 第15-16页 |
| 2.2 卷积神经网络的结构 | 第16-18页 |
| 2.3 卷积神经网络的主要特点 | 第18-19页 |
| 2.4 卷积神经网络的训练方法 | 第19-22页 |
| 2.4.1 梯度下降算法 | 第20-21页 |
| 2.4.2 反向传播算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于边缘增强的MSER和卷积神经网络的文本区域定位 | 第23-35页 |
| 3.1 图像预处理 | 第23-24页 |
| 3.2 边缘增强的MSER | 第24-27页 |
| 3.2.1 MSER | 第24-26页 |
| 3.2.2 边缘增强的MSER | 第26-27页 |
| 3.3 文本候选区域的筛选 | 第27-29页 |
| 3.3.1 几何特征的筛选 | 第27-28页 |
| 3.3.2 嵌套重叠区域删减 | 第28-29页 |
| 3.4 基于卷积神经网络的文本候选区域验证 | 第29-34页 |
| 3.5 文本区域合并 | 第34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于卷积神经网络的文本识别 | 第35-40页 |
| 4.1 字符分类器的设计和训练 | 第35-37页 |
| 4.2 字符图像的尺寸归一化 | 第37-38页 |
| 4.3 文本识别及后处理 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 实验结果与分析 | 第40-50页 |
| 5.1 数据集 | 第40-42页 |
| 5.2 实验评价标准 | 第42-44页 |
| 5.3 实验参数选择 | 第44-46页 |
| 5.3.1 文本验证器的参数选择 | 第44-45页 |
| 5.3.2 字符分类器的参数选择 | 第45-46页 |
| 5.4 实验结果分析 | 第46-49页 |
| 5.5 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-51页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |