| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的背景及研究意义 | 第9-10页 |
| ·骨架提取现状 | 第10-12页 |
| ·本文的研究动机和目的 | 第12-13页 |
| ·本文的特色创新 | 第13-14页 |
| ·论文的总体框架 | 第14-16页 |
| 第二章 汉字骨架及其现有提取算法的分析研究 | 第16-31页 |
| ·汉字骨架 | 第16-17页 |
| ·汉字骨架的定义 | 第16-17页 |
| ·“好”骨架评价标准 | 第17页 |
| ·现有骨架提取算法分析研究 | 第17-26页 |
| ·早期对称轴分析方法 | 第18-20页 |
| ·基于小波极大模的骨架提取算法 | 第20-21页 |
| ·基于数学形态学的骨架提取方法 | 第21-23页 |
| ·形状分解骨架提取方法 | 第23-26页 |
| ·低质汉字骨架提取难点 | 第26-30页 |
| ·轮廓模型 | 第26-28页 |
| ·低质汉字与汉字降质因素 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 相关数学理论 | 第31-43页 |
| ·主成份分析（PCA） | 第31-35页 |
| ·主成份分析原理 | 第31-33页 |
| ·主成份分析在汉字骨架提取中的应用 | 第33-34页 |
| ·主成份分析求解步骤 | 第34-35页 |
| ·K 均值聚类 | 第35-37页 |
| ·高层马尔可夫随机场 | 第37-42页 |
| ·邻域系统和势能团 | 第37-38页 |
| ·高层马尔可夫随机场（HLMRF）与吉布斯随机场（GRF） | 第38-40页 |
| ·贝叶斯理论与 MAP-MRF 框架 | 第40-41页 |
| ·MAP-MRF 框架求解 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于点云模型的低质汉字骨架提取 | 第43-59页 |
| ·点云模型 | 第43-44页 |
| ·提取初始骨架 | 第44-53页 |
| ·点云模型与初始骨架 | 第45-47页 |
| ·增量广义 K 均值聚类 | 第47-51页 |
| ·提取初始骨架算法实现 | 第51-53页 |
| ·连接初始骨架 | 第53-57页 |
| ·初始骨架连接与优化问题 | 第53-54页 |
| ·基于高层马尔可夫随机场模型的初始骨架连接方法 | 第54-56页 |
| ·连接初始骨架算法实现 | 第56-57页 |
| ·基于点云模型的低质汉字骨架提取算法框架 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 实验结果及讨论 | 第59-79页 |
| ·算法程序的文件结构 | 第59-60页 |
| ·基于本文算法的实验结果 | 第60-70页 |
| ·基于本文方法提取初始骨架中间步骤结果 | 第60-63页 |
| ·基于本文方法的实验结果 | 第63-70页 |
| ·现有方法与本文方法的对比实验 | 第70-78页 |
| ·现有初始骨架提取方法与本文初始骨架提取方法对比 | 第70-71页 |
| ·现有连接骨架方法与本文连接骨架方法对比 | 第71-73页 |
| ·现有骨架提取算法与本文方法对比实验 | 第73-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 结语和展望 | 第79-82页 |
| ·结语 | 第79-80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 研究生在校期间的科研成果 | 第87页 |
| 参与的研究项目 | 第87页 |
| 发表的论文 | 第87页 |