| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 插图目录 | 第11-13页 |
| 表格目录 | 第13-14页 |
| 第一章 绪论 | 第14-27页 |
| ·研究背景和意义 | 第14-15页 |
| ·国内外研究现状 | 第15-23页 |
| ·文字识别技术发展历史 | 第15-16页 |
| ·文字识别的重点和难点 | 第16-18页 |
| ·文字检测研究现状 | 第18-23页 |
| ·存在的主要问题 | 第23-24页 |
| ·本文的主要研究内容 | 第24-25页 |
| ·本文章节安排 | 第25-27页 |
| 第二章 基于 Gabor 和 SVM 的复杂背景中文字检测 | 第27-49页 |
| ·引言 | 第27-29页 |
| ·基于 Gabor 滤波器组的特征提取 | 第29-31页 |
| ·Gabor 滤波器 | 第29-30页 |
| ·Gabor 特征提取 | 第30-31页 |
| ·基于 SVM 的文本区域检测 | 第31-41页 |
| ·支持向量机 | 第31-33页 |
| ·SVM 分类网络训练 | 第33-36页 |
| ·SVM 分类网络参数选择 | 第36-41页 |
| ·实验结果及分析 | 第41-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 基于深度学习的复杂背景文字区域定位 | 第49-60页 |
| ·引言 | 第49-50页 |
| ·深度学习网络 | 第50-52页 |
| ·基于深度学习的文字区域定位 | 第52-56页 |
| ·基于 Gabor 滤波器的特征提取 | 第52-53页 |
| ·深度网络训练 | 第53-55页 |
| ·文字区域判别 | 第55-56页 |
| ·实验结果及分析 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 基于分层技术的复杂场景中重叠文本检测和识别 | 第60-81页 |
| ·引言 | 第60-63页 |
| ·基于 FCM 的图像分层 | 第63-68页 |
| ·模糊 C 均值聚类 | 第63-64页 |
| ·基于 FCM 的图像分层 | 第64-66页 |
| ·连通分量分析 | 第66-68页 |
| ·基于 Adaboost 的文本区域定位 | 第68-74页 |
| ·级联 Adaboost 分类器 | 第68-69页 |
| ·文本连通分量特征表示 | 第69-72页 |
| ·文本区域分类 | 第72-74页 |
| ·基于层的识别结果验证 | 第74-76页 |
| ·实验分析 | 第76-79页 |
| ·文本识别的性能比较 | 第76-78页 |
| ·ICDAR 2003 数据库比较 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 第五章 基于 Google 的 OCR 识别结果校对方法 | 第81-91页 |
| ·引言 | 第81-82页 |
| ·基于 N-Gram 和 Google 的查错 | 第82-85页 |
| ·N-Gram 模型 | 第82-83页 |
| ·基于 Google 知识库的模型 | 第83-84页 |
| ·识别结果查错 | 第84-85页 |
| ·基于 Google 拼写校对和词语可信度的纠错 | 第85-88页 |
| ·基于 Google 拼写校对的纠错 | 第85-86页 |
| ·基于词语可信度的纠错 | 第86-88页 |
| ·实验结果与分析 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 基于云计算架构的视频文本检测和识别平台 | 第91-104页 |
| ·引言 | 第91-94页 |
| ·基于 MapReduce 模型的文字检测和识别 | 第94-101页 |
| ·基于帧间相似度的关键帧提取 | 第94-96页 |
| ·基于 Gabor 的文字定位和识别 | 第96-99页 |
| ·文字校对和输出 | 第99-101页 |
| ·实验结果与分析 | 第101-103页 |
| ·运算速度比较 | 第101-102页 |
| ·运算精度比较 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 第七章 总结与展望 | 第104-106页 |
| ·总结 | 第104-105页 |
| ·展望 | 第105-106页 |
| 致谢 | 第106-108页 |
| 参考文献 | 第108-119页 |
| 攻读博士学位期间的研究成果 | 第119-120页 |
| 学术论文 | 第119页 |
| 参加研究的科研项目 | 第119-120页 |
