| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和研究意义 | 第10-12页 |
| 1.2 国内外的发展现状 | 第12-14页 |
| 1.3 主要的研究内容及技术难点 | 第14-15页 |
| 1.4 本文创新点 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第二章 稀疏表示理论与形态成分分析 | 第18-26页 |
| 2.1 引言 | 第18-22页 |
| 2.1.1 稀疏表示理论 | 第19-21页 |
| 2.1.2 形态成分分析 | 第21-22页 |
| 2.2 基于冗余字典的信号稀疏表示 | 第22-23页 |
| 2.3 稀疏表示理论与形态成分分析在图像处理中的应用 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 稀疏表示与形态成分分析的场景图像文本检测 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 差分自适应滤波器 | 第27-29页 |
| 3.2.1 像素点的分类 | 第28页 |
| 3.2.2 阈值选择 | 第28-29页 |
| 3.3 改进的Fisher判别 | 第29-31页 |
| 3.4 稀疏表示与形态成分分析的算法用于文本检测 | 第31-34页 |
| 3.4.1 更新X的算法 | 第31-32页 |
| 3.4.2 更新D的算法 | 第32-33页 |
| 3.4.3 文本重构与文本检测 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-39页 |
| 3.5.1 参数选择的分析 | 第35-36页 |
| 3.5.2 残差的分析 | 第36-37页 |
| 3.5.3 评价指标和实验对比 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 在线判别字典学习的场景图像文本检测方法 | 第40-54页 |
| 4.1 引言 | 第40页 |
| 4.2 在线字典学习方法的研究 | 第40-46页 |
| 4.2.1 离线字典学习 | 第41-42页 |
| 4.2.2 在线字典学习 | 第42-43页 |
| 4.2.3 完备在线字典学习算法 | 第43-46页 |
| 4.3 基于在线判别字典学习的场景图像文本检测方法 | 第46-52页 |
| 4.3.1 在线判别字典学习算法 | 第47-48页 |
| 4.3.2 实验结果与分析 | 第48-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录A | 第64-65页 |
| 附录B | 第65-66页 |
| 附录C | 第66页 |