| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 文本类型分析 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 国内研究现状 | 第12-15页 |
| 1.3.2 国外研究现状 | 第15-16页 |
| 1.4 论文的研究内容和结构安排 | 第16-18页 |
| 1.4.1 论文研究内容 | 第16页 |
| 1.4.2 论文结构安排 | 第16-18页 |
| 第二章 自然场景中字符处理的相关技术方法 | 第18-38页 |
| 2.1 图像预处理 | 第18-28页 |
| 2.1.1 二值化分割 | 第18-20页 |
| 2.1.2 颜色空间转换 | 第20-22页 |
| 2.1.3 滤波去噪 | 第22-23页 |
| 2.1.4 图像增强 | 第23-28页 |
| 2.2 字符特征描述 | 第28-31页 |
| 2.2.1 HOG特征及其在字符检测中的应用 | 第28-30页 |
| 2.2.2 LBP特征及其在字符检测中的应用 | 第30-31页 |
| 2.3 机器学习方法总结 | 第31-33页 |
| 2.3.1 AdaBoost算法 | 第31-32页 |
| 2.3.2 支持向量机分类器 | 第32-33页 |
| 2.3.3 随机森林决策树 | 第33页 |
| 2.4 自然场景中常见的字符检测方法 | 第33-35页 |
| 2.4.1 基于连通域的字符检测算法 | 第33-34页 |
| 2.4.2 基于纹理的字符检测算法 | 第34页 |
| 2.4.3 基于边缘的字符检测算法 | 第34-35页 |
| 2.5 字符分割与识别 | 第35-37页 |
| 2.5.1 字符分割 | 第35-36页 |
| 2.5.2 字符识别 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于Retinex的多颜色空间MSER字符检测算法 | 第38-53页 |
| 3.1 MSER算法原理 | 第38-39页 |
| 3.2 基于MSER的字符检测算法 | 第39-42页 |
| 3.2.1 字符检测算法框图 | 第39-40页 |
| 3.2.2 算法阐述 | 第40-42页 |
| 3.3 基于Retinex的多颜色空间MSER字符检测算法 | 第42-48页 |
| 3.3.1 改进算法的核心思想 | 第42-43页 |
| 3.3.2 基于Retinex增强算法的MSER区域提取 | 第43-45页 |
| 3.3.3 多颜色空间的MSER提取 | 第45-47页 |
| 3.3.4 改进的字符检测算法 | 第47-48页 |
| 3.4 实验结果与分析 | 第48-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于SWT与MSER融合的二次验证字符检测算法 | 第53-77页 |
| 4.1 SWT算法原理 | 第53-55页 |
| 4.2 基于SWT的字符检测算法 | 第55-57页 |
| 4.2.1 基于SWT的字符检测算法流程图 | 第55-56页 |
| 4.2.2 算法思想 | 第56-57页 |
| 4.3 基于SWT与MSER融合的二次验证字符检测算法 | 第57-70页 |
| 4.3.1 改进算法的核心思想 | 第59-60页 |
| 4.3.2 基于距离的MSER与SWT融合方法 | 第60-62页 |
| 4.3.3 基于随机森林决策树的文本区域二次验证 | 第62-63页 |
| 4.3.4 多特征融合的字符特征生成方法 | 第63-67页 |
| 4.3.5 改进的字符检测算法步骤阐述 | 第67-70页 |
| 4.4 实验结果与对比分析 | 第70-76页 |
| 4.4.1 数据集介绍 | 第70-71页 |
| 4.4.2 性能评价标准 | 第71-72页 |
| 4.4.3 实验结果与分析 | 第72-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 结论及展望 | 第77-79页 |
| 5.1 本文工作总结 | 第77-78页 |
| 5.2 未来研究工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间的研究成果 | 第86-87页 |
