文档文本检测算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 二值化 | 第9-11页 |
| 1.2.2 文本定位 | 第11-13页 |
| 1.3 主要研究内容及章节安排 | 第13-15页 |
| 第二章 结合对比度增强和背景估计的文档二值化算法 | 第15-32页 |
| 2.1 文档图像的对比度增强 | 第15-18页 |
| 2.1.1 区域划分 | 第16-18页 |
| 2.1.2 对比度增强 | 第18页 |
| 2.2 背景估计及移除 | 第18-22页 |
| 2.3 结合Sauvola算法改进的全局阈值分割 | 第22-26页 |
| 2.3.1 全局阈值分割 | 第22-23页 |
| 2.3.2 使用Sauvola算法细化文本边缘 | 第23-25页 |
| 2.3.3 文本断笔修复 | 第25-26页 |
| 2.4 实验结果与分析 | 第26-31页 |
| 2.4.1 性能评估指标 | 第26-28页 |
| 2.4.2 对比分析 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 改进的文本候选区域生成算法 | 第32-46页 |
| 3.1 FASText文本检测器 | 第32-37页 |
| 3.1.1 算法原理 | 第32-34页 |
| 3.1.2 存在的问题 | 第34-37页 |
| 3.2 改进的FASText文本检测器 | 第37-42页 |
| 3.2.1 文档图像的二值化处理 | 第37-38页 |
| 3.2.2 伪关键点的滤除 | 第38-40页 |
| 3.2.3 基于形态学处理的连通区域提取与分析 | 第40-41页 |
| 3.2.4 非最大值抑制 | 第41-42页 |
| 3.3 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于双阈值分类器的文档文本定位算法 | 第46-56页 |
| 4.1 Gentle AdaBoost算法 | 第46-47页 |
| 4.2 文本特征的选取 | 第47-48页 |
| 4.3 双域值分类器的设计 | 第48-52页 |
| 4.3.1 双域值分类 | 第48-50页 |
| 4.3.2 文本相似性追踪 | 第50-52页 |
| 4.4 实验结果与分析 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 申请学位期间的研究成果及发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
