| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究难点分析 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 主要研究工作及章节安排 | 第12-14页 |
| 第二章 文字检测概述 | 第14-20页 |
| 2.1 候选文字区域提取 | 第15-18页 |
| 2.1.1 基于区域的方法 | 第15-16页 |
| 2.1.2 基于连通区域的方法 | 第16-18页 |
| 2.1.3 基于深度学习的方法 | 第18页 |
| 2.2 文字/非文字分类 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于Harris角点的MSER文字检测方法 | 第20-29页 |
| 3.1 基于MSER的文本检测方法 | 第20-22页 |
| 3.1.1 算法原理 | 第20-21页 |
| 3.1.2 存在的问题 | 第21-22页 |
| 3.2 改进的Harris角点检测算法 | 第22-25页 |
| 3.3 基于Harris角点的MSER文本检测算法 | 第25-27页 |
| 3.4 实验结果与分析 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 改进的FASText文本检测器 | 第29-42页 |
| 4.1 FASText文本检测器 | 第29-31页 |
| 4.1.1 算法原理 | 第29-31页 |
| 4.1.2 存在的问题 | 第31页 |
| 4.2 改进的FASText文本检测器 | 第31-41页 |
| 4.2.1 伪关键点的滤除 | 第32-34页 |
| 4.2.2 改进的连通区域生成算法 | 第34-36页 |
| 4.2.3 非最大值抑制 | 第36页 |
| 4.2.4 基于Gentle AdaBoost的双阈值分类器 | 第36-41页 |
| 4.3 实验结果与分析 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 工作总结 | 第42页 |
| 5.2 工作展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 申请学位期间的研究成果及发表的学术论文 | 第49-50页 |
| 致谢 | 第50页 |
