| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 1 概述 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 自然场景图像文本认知 | 第10-12页 |
| 1.2.1 自然场景下图像文本界定 | 第10页 |
| 1.2.2 自然场景图像文本分割难点 | 第10-12页 |
| 1.3 国内外研究现状与趋势分析 | 第12-14页 |
| 1.4 本文研究目标与内容 | 第14-16页 |
| 2 基于MSER的侯选文本区域提取方法 | 第16-23页 |
| 2.1 MSER涵义与提取方法 | 第16-19页 |
| 2.2 MSER拟合椭圆 | 第19-20页 |
| 2.3 基于MSER的候选文本区域提取方法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于启发性规则和SWT规则的候选文本区域筛选 | 第23-29页 |
| 3.1 基于启发性规则的候选字符区域筛选 | 第23-24页 |
| 3.2 基于SWT规则的候选字符区域筛选 | 第24-28页 |
| 3.2.1 SWT特征提取 | 第24-27页 |
| 3.2.2 基于SWT规则的候选文本区域筛选 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 4 基于AdaBoost的候选文本区域分类方法 | 第29-43页 |
| 4.1 AdaBoost的基本原理与训练算法 | 第29-31页 |
| 4.2 MLBP等价模式特征 | 第31-36页 |
| 4.2.1 LBP特征 | 第31-33页 |
| 4.2.2 MLBP特征 | 第33-35页 |
| 4.2.3 MLBP的等价模式 | 第35-36页 |
| 4.3 基于MLBP等价模式特征的Gentle AdaBoost算法 | 第36-38页 |
| 4.4 基于Gentle AdaBoost的候选文本区域分类 | 第38-42页 |
| 4.4.1 训练样本的选取与预处理 | 第39-40页 |
| 4.4.2 训练Gentle AdaBoost分类器 | 第40-41页 |
| 4.4.3 实现Gentle AdaBoost分类器分类 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 实验结果及分析 | 第43-47页 |
| 5.1 实验数据集与实验评价方法 | 第43页 |
| 5.2 实验结果分析 | 第43-46页 |
| 5.3 本章小结 | 第46-47页 |
| 6 研究总结与展望 | 第47-49页 |
| 6.1 研究总结 | 第47页 |
| 6.2 研究展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻硕期间发表的科研成果目录 | 第53-54页 |
| 致谢 | 第54页 |
