基于神经网络的室内场景的文字识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究内容及章节安排 | 第13-15页 |
| 第2章 相关概念及关键技术 | 第15-21页 |
| 2.1 最大稳定极值区域 | 第15页 |
| 2.2 笔画宽度变换算法 | 第15-16页 |
| 2.3 人工神经网络 | 第16-18页 |
| 2.4 卷积神经网络 | 第18-19页 |
| 2.5 本章小结 | 第19-21页 |
| 第3章 场景文字检测 | 第21-31页 |
| 3.1 文字检测数据集制作 | 第21-23页 |
| 3.1.1 数据采集 | 第21-22页 |
| 3.1.2 文字标记 | 第22-23页 |
| 3.2 改进的SWT算法的文字检测 | 第23-29页 |
| 3.2.1 图像预处理 | 第24-25页 |
| 3.2.2 MSER检测 | 第25-26页 |
| 3.2.3 计算图像笔画宽度 | 第26页 |
| 3.2.4 实验结果及分析 | 第26-29页 |
| 3.3 基于神经网络的的文字检测 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 文字分割 | 第31-37页 |
| 4.1 文本区域二值化 | 第31-33页 |
| 4.1.1 最大类间方差法 | 第31-32页 |
| 4.1.2 Niblack提出的算法 | 第32-33页 |
| 4.2 单个文字的分割与归一化 | 第33-35页 |
| 4.3 本章小结 | 第35-37页 |
| 第5章 文字识别 | 第37-65页 |
| 5.1 基于PCANet的文字识别 | 第37-49页 |
| 5.1.1 第一阶段PCA处理 | 第37-38页 |
| 5.1.2 第二阶段的PCA处理 | 第38-39页 |
| 5.1.3 输出层 | 第39页 |
| 5.1.4 英文识别 | 第39-47页 |
| 5.1.5 汉字识别 | 第47-49页 |
| 5.2 基于Tesseract-OCR的文字识别 | 第49-53页 |
| 5.2.1 Tesseract-OCR概述 | 第49页 |
| 5.2.2 使用官方训练集识别文字 | 第49-50页 |
| 5.2.3 制作专用数据集识别文字 | 第50-53页 |
| 5.3 基于LeNet-5 网络的文字识别 | 第53-58页 |
| 5.3.1 LeNet-5 网络结构的改进 | 第53-54页 |
| 5.3.2 网络模型的训练 | 第54-57页 |
| 5.3.3 测试 | 第57-58页 |
| 5.4 基于AlexNet网络的文字识别 | 第58-60页 |
| 5.4.1 网络模型的训练 | 第58-60页 |
| 5.4.2 测试 | 第60页 |
| 5.5 结果分析 | 第60-61页 |
| 5.6 应用 | 第61-63页 |
| 5.7 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士期间发表的论文 | 第73-75页 |
| 附图 | 第75-81页 |
| 场景文字检测示例图（1） | 第75-77页 |
| 场景文字检测示例图（2） | 第77-79页 |
| 网络结构图 | 第79-81页 |
| 致谢 | 第81页 |
