文本中数学公式定位与识别算法研究与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 数学公式识别难点 | 第15-17页 |
| 1.4 论文工作描述 | 第17-18页 |
| 1.5 本文结构 | 第18-19页 |
| 2 图像预处理 | 第19-33页 |
| 2.1 图像灰度化 | 第19-20页 |
| 2.2 去噪 | 第20-23页 |
| 2.2.1 中值滤波 | 第20-21页 |
| 2.2.2 均值滤波 | 第21-22页 |
| 2.2.3 自适应中值滤波 | 第22-23页 |
| 2.3 图像二值化 | 第23-24页 |
| 2.4 倾斜校正 | 第24-28页 |
| 2.4.1 HOUGH变换 | 第25-26页 |
| 2.4.2 RADON变换 | 第26-27页 |
| 2.4.3 倾斜校正结果 | 第27-28页 |
| 2.5 图像细化和毛刺去除 | 第28-32页 |
| 2.5.1 常见细化算法 | 第28-30页 |
| 2.5.2 改进HILDITCH细化算法 | 第30-31页 |
| 2.5.3 图像毛刺去除 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 文本中数学公式定位算法 | 第33-43页 |
| 3.1 文本图像版面分析 | 第33-36页 |
| 3.2 公式定位方法及存在问题 | 第36-37页 |
| 3.3 基于投影法的数学公式定位算法 | 第37-41页 |
| 3.4 实验结果及分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 数学公式符号分割算法 | 第43-53页 |
| 4.1 投影法 | 第44-46页 |
| 4.2 改进连通域法 | 第46-49页 |
| 4.3 实验结果及分析 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 5 数学公式符号特征提取和识别算法 | 第53-69页 |
| 5.1 特征提取 | 第54-57页 |
| 5.2 分类器设计 | 第57-66页 |
| 5.2.1 模板匹配法 | 第58-60页 |
| 5.2.2 BP神经网络 | 第60-62页 |
| 5.2.3 SVM | 第62-66页 |
| 5.3 相似字符二次分类 | 第66-67页 |
| 5.4 实验结果及分析 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69-70页 |
| 6.2 存在问题及展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-79页 |
| 学位论文数据集 | 第79页 |
