基于深度神经网络的形变中文文档矫正研究
| 摘要 | 第8-10页 |
| abstract | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 平面文档变形矫正 | 第14-16页 |
| 1.2.2 扭曲文档变形矫正 | 第16-18页 |
| 1.3 本文的主要工作与内容安排 | 第18-20页 |
| 第2章 字符定位与预处理 | 第20-42页 |
| 2.1 字符定位算法 | 第20-29页 |
| 2.1.1 mser算法定义 | 第21-23页 |
| 2.1.2 mser算法实现 | 第23-25页 |
| 2.1.3 非极大值抑制算法 | 第25-26页 |
| 2.1.4 字符合并及定位结果 | 第26-29页 |
| 2.2 字符分类算法 | 第29-34页 |
| 2.2.1 支持向量机简介 | 第30-31页 |
| 2.2.2 字符特征提取 | 第31-32页 |
| 2.2.3 svm训练样本生成 | 第32-33页 |
| 2.2.4 分类实验结果及分析 | 第33-34页 |
| 2.3 字符定位结果预处理 | 第34-41页 |
| 2.3.1 行索引信息添加 | 第35-37页 |
| 2.3.2 字符间距调整 | 第37-40页 |
| 2.3.3 字符补全 | 第40-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 基于深度神经网络的矫正 | 第42-85页 |
| 3.1 矫正算法 | 第42-44页 |
| 3.1.1 平面文档逆向矫正 | 第43-44页 |
| 3.1.2 扭曲文档逆向矫正 | 第44页 |
| 3.2 深度神经网络 | 第44-48页 |
| 3.2.1 深度神经网络简介 | 第44-45页 |
| 3.2.2 keras介绍 | 第45-46页 |
| 3.2.3 参数选取 | 第46-48页 |
| 3.3 深度神经网络数据集生成 | 第48-58页 |
| 3.3.1 透视投影原理 | 第49-52页 |
| 3.3.2 平面文档深度神经网络数据集 | 第52-53页 |
| 3.3.3 扭曲文档深度神经网络数据集 | 第53-58页 |
| 3.4 深度神经网络训练 | 第58-70页 |
| 3.4.1 平面文档深度神经网络 | 第58-64页 |
| 3.4.2 扭曲文档深度神经网络 | 第64-70页 |
| 3.5 深度神经网络测试 | 第70-84页 |
| 3.5.1 平面文档参数估计和鲁棒性测试 | 第71-77页 |
| 3.5.2 扭曲文档参数估计和鲁棒性测试 | 第77-84页 |
| 3.6 本章小结 | 第84-85页 |
| 第4章 实验结果与分析 | 第85-92页 |
| 4.1 测试方案 | 第85-86页 |
| 4.2 矫正结果及分析 | 第86-90页 |
| 4.3 本章小结 | 第90-92页 |
| 第5章 总结与展望 | 第92-94页 |
| 5.1 论文总结 | 第92-93页 |
| 5.2 研究展望 | 第93-94页 |
| 参考文献 | 第94-99页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第99-100页 |
| 致谢 | 第100页 |
