| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 中英文縮写对照表 | 第10-12页 |
| 1 绪论 | 第12-32页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 自然场景文字的特点 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-26页 |
| 1.4 本文主要研究内容 | 第26-28页 |
| 1.5 课题来源、内容安排以及章节关系 | 第28-32页 |
| 2 基于梯度信息与级联检测的静态图像中的车牌检测方法 | 第32-55页 |
| 2.1 引言 | 第32-34页 |
| 2.2 国内车牌的特点 | 第34-35页 |
| 2.3 算法整体框架 | 第35-36页 |
| 2.4 构建针对静态图像的车牌检测框架 | 第36-48页 |
| 2.5 实验结果与分析 | 第48-54页 |
| 2.6 本章小结 | 第54-55页 |
| 3 基于检测与跟踪策略的视频中的车牌检测方法 | 第55-69页 |
| 3.1 引言 | 第55-57页 |
| 3.2 算法整体框架 | 第57-59页 |
| 3.3 构建针对视频的车牌检测框架 | 第59-63页 |
| 3.4 实验结果与分析 | 第63-67页 |
| 3.5 本章小结 | 第67-69页 |
| 4 基于多级边缘检测与上下文信息的自然场景文字检测方法 | 第69-94页 |
| 4.1 引言 | 第69-72页 |
| 4.2 算法整体框架 | 第72页 |
| 4.3 算法框架的设计与实现 | 第72-86页 |
| 4.4 实验结果与分析 | 第86-93页 |
| 4.5 本章小结 | 第93-94页 |
| 5 基于置信度映射模型的自然场景文字检测方法 | 第94-122页 |
| 5.1 引言 | 第94-96页 |
| 5.2 算法整体框架 | 第96页 |
| 5.3 设计置信度映射模型 | 第96-112页 |
| 5.4 实验结果与分析 | 第112-121页 |
| 5.5 本章小结 | 第121-122页 |
| 6 基于描述性中层块的自然场景文字检测方法 | 第122-141页 |
| 6.1 引言 | 第122-125页 |
| 6.2 算法整体框架 | 第125-126页 |
| 6.3 评价文字行候选区域 | 第126-135页 |
| 6.4 实验结果与分析 | 第135-140页 |
| 6.5 本章小结 | 第140-141页 |
| 7 总结与展望 | 第141-144页 |
| 7.1 工作总结 | 第141-142页 |
| 7.2 本文主要创新点 | 第142-143页 |
| 7.3 工作展望 | 第143-144页 |
| 致谢 | 第144-146页 |
| 参考文献 | 第146-160页 |
| 附录1 攻读学位期间发表的学术论文 | 第160-162页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第162-163页 |
| 附录3 攻读学位期间其他形式学术成果 | 第163-164页 |
| 附录4 攻读学位期间参与课题 | 第164页 |