| 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8-9页 |
| 1.2 自然场景文本分析 | 第9-10页 |
| 1.2.1 自然场景文本的特点 | 第9-10页 |
| 1.2.2 自然场景文本定位面临的挑战 | 第10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.3.1 基于纹理的方法 | 第11-12页 |
| 1.3.2 基于连通域的方法 | 第12-13页 |
| 1.4 主要研究内容及章节安排 | 第13-15页 |
| 2 基于MSER的字符候选区域检测 | 第15-27页 |
| 2.1 MSER的定义与算法实现 | 第15-19页 |
| 2.1.1 MSER的数学定义 | 第15-16页 |
| 2.1.2 MSER的算法实现 | 第16-19页 |
| 2.2 字符候选区域提取 | 第19-23页 |
| 2.2.1 图像预处理 | 第19-20页 |
| 2.2.2 边缘增强的MSER | 第20-22页 |
| 2.2.3 基于启发式规则的连通域分析 | 第22-23页 |
| 2.3 MSER嵌套重复区域删减 | 第23-26页 |
| 2.3.1 标准化MSER变化率 | 第24-25页 |
| 2.3.2 嵌套重复区域删除规则 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 结合SWT的字符候选区域验证 | 第27-37页 |
| 3.1 笔画宽度变换原理 | 第27-29页 |
| 3.1.1 笔画宽度的数学定义 | 第27-29页 |
| 3.1.2 SWT在文本定位中的应用 | 第29页 |
| 3.2 字符候选区域特征描述 | 第29-31页 |
| 3.2.1 区域特征提取原理 | 第29-30页 |
| 3.2.2 区域特征计算 | 第30-31页 |
| 3.3 SVM在自然场景文本定位中的应用 | 第31-36页 |
| 3.3.1 SVM算法 | 第31-34页 |
| 3.3.2 SVM训练 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 文本行建立 | 第37-43页 |
| 4.1 字符区域合并 | 第37-40页 |
| 4.1.1 字符区域合并规则 | 第37-38页 |
| 4.1.2 文本行的参数表示 | 第38-40页 |
| 4.2 建立文本行 | 第40-41页 |
| 4.3 基于MSER的自然场景文本定位算法框架 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 算法仿真实验 | 第43-55页 |
| 5.1 算法性能评估标准及常用图像库 | 第43-49页 |
| 5.1.1 文本定位算法性能评估标准 | 第43-45页 |
| 5.1.2 文本定位公开数据库 | 第45-47页 |
| 5.1.3 实验环境 | 第47页 |
| 5.1.4 实验参数选择 | 第47-49页 |
| 5.2 实验结果分析 | 第49-54页 |
| 5.2.1 ICDAR 2003 Database实验结果 | 第49-52页 |
| 5.2.2 ICDAR 2013 Database实验结果 | 第52-53页 |
| 5.2.3 SVT实验结果 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 全文工作总结 | 第55-56页 |
| 6.2 后续工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表的论文 | 第62页 |