| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究内容和难点 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 文本的组织结构 | 第13-15页 |
| 第2章 自然场景图像中文本检测相关知识 | 第15-23页 |
| 2.1 文本检测相关特征 | 第15-18页 |
| 2.1.1 颜色特征 | 第15-16页 |
| 2.1.2 边缘特征 | 第16页 |
| 2.1.3 纹理特征 | 第16-17页 |
| 2.1.4 基于笔划的特征 | 第17页 |
| 2.1.5 基于区域的特征 | 第17-18页 |
| 2.2 文本检测方法分类 | 第18-21页 |
| 2.3 文本检测中的模式识别算法 | 第21-22页 |
| 2.3.1 SVM算法 | 第21页 |
| 2.3.2 卷积神经网络 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于单样例的自然场景文本检测 | 第23-41页 |
| 3.1 背景和相关工作 | 第23-24页 |
| 3.2 MSER算法 | 第24-25页 |
| 3.2.1 最大稳定极值区域的定义 | 第24-25页 |
| 3.2.2 最大稳定极值区域的实现 | 第25页 |
| 3.3 局部自适应回归核 | 第25-27页 |
| 3.3.1 局部自适应回归核的计算 | 第26-27页 |
| 3.4 基于单样例的场景文本检测算法流程 | 第27-35页 |
| 3.4.1 边缘叠加的MSER算法 | 第28-29页 |
| 3.4.2 基于单样例图像的文本候选区域的提取 | 第29-32页 |
| 3.4.3 基于连通域分析的文本检测 | 第32-34页 |
| 3.4.4 形成文本行 | 第34-35页 |
| 3.5 数据集与评价标准 | 第35-36页 |
| 3.5.1 数据集 | 第35页 |
| 3.5.2 评价标准 | 第35-36页 |
| 3.6 实验结果 | 第36-38页 |
| 3.7 本章小结 | 第38-41页 |
| 第4章 自然场景图像中基于学习和多通道MSER文本检测算法 | 第41-53页 |
| 4.1 背景和相关工作 | 第41页 |
| 4.2 基于学习和多通道MSER场景文本检测 | 第41-49页 |
| 4.2.1 基于彩色边缘图的MSER候选区域的提取 | 第42-44页 |
| 4.2.2 基于图像对比度增强的MSER候选区域的提取 | 第44-45页 |
| 4.2.3 基于几何先验的候选区域的初步筛选 | 第45-46页 |
| 4.2.4 字符检测 | 第46-49页 |
| 4.3 实验结果与分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 后续工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 发表论文和参加科研情况说明 | 第59-61页 |
| 致谢 | 第61-62页 |
