| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文主要内容及创新点 | 第10-11页 |
| 1.4 论文结构安排 | 第11-13页 |
| 第2章 文档图像二值化方法概述 | 第13-26页 |
| 2.1 全局阈值法 | 第13-15页 |
| 2.2 局部阈值法 | 第15-18页 |
| 2.2.1 Niblack算法 | 第15-16页 |
| 2.2.2 Sauvola算法 | 第16-17页 |
| 2.2.3 Wolf算法 | 第17-18页 |
| 2.3 LMM算法 | 第18-19页 |
| 2.4 BESE算法 | 第19-20页 |
| 2.5 Gatos算法 | 第20-22页 |
| 2.6 Howe算法 | 第22-23页 |
| 2.7 二值化算法性能评估指标 | 第23-25页 |
| 2.8 本章小结 | 第25-26页 |
| 第3章 基于高对比度像素检测和笔画宽度变换的二值化算法 | 第26-49页 |
| 3.1 彩色图像灰度化 | 第27-33页 |
| 3.1.1 传统经典灰度化方法 | 第27-28页 |
| 3.1.2 本文采用的灰度化方法 | 第28-33页 |
| 3.2 图像滤波 | 第33-36页 |
| 3.2.1 常用滤波方法 | 第33-34页 |
| 3.2.2 本文使用的双边滤波 | 第34-36页 |
| 3.3 高对比度像素检测 | 第36-40页 |
| 3.4 笔画宽度变换 | 第40-42页 |
| 3.5 基于邻域窗的局部二值化 | 第42-45页 |
| 3.6 实验结果与分析 | 第45-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第4章 基于背景估计和能量最小化的二值化算法 | 第49-68页 |
| 4.1 图像背景估计 | 第50-53页 |
| 4.2 构造能量函数 | 第53-56页 |
| 4.2.1 能量函数与二值化的关系 | 第53-54页 |
| 4.2.2 数据项和边界项 | 第54-56页 |
| 4.3 基于能量函数映射网络图 | 第56-58页 |
| 4.4 能量函数最小化 | 第58-60页 |
| 4.5 实验结果与分析 | 第60-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 总结和展望 | 第68-70页 |
| 5.1 论文工作总结 | 第68-69页 |
| 5.2 论文研究展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录 攻读硕士学位期间的研究成果 | 第75页 |
| Ⅰ 发表的学术论文 | 第75页 |
| Ⅱ 申请的发明专利 | 第75页 |
| Ⅲ 主持或参与的科研项目 | 第75页 |
| Ⅳ 获奖情况 | 第75页 |