| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-12页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 自然场景下的文本定位和提取技术面临的困难 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 文本提取方法 | 第14-17页 |
| 1.3.2 兴趣点检测方法 | 第17页 |
| 1.3.3 文本提取方法的性能评价 | 第17-18页 |
| 1.4 本文的主要内容与安排 | 第18-20页 |
| 第2章 数字图像处理相关知识 | 第20-25页 |
| 2.1 数字图像的表示 | 第20-21页 |
| 2.2 平滑与滤波 | 第21-22页 |
| 2.3 边缘提取算子 | 第22-24页 |
| 2.4 连通成分分析 | 第24-25页 |
| 第3章 自然场景图像的预处理 | 第25-29页 |
| 3.1 常见的图像预处理方法 | 第25-26页 |
| 3.2 基于 RGB 亮度分级的图像预处理 | 第26-29页 |
| 第4章 文本区域粗略定位 | 第29-37页 |
| 4.1 基于边缘密度分析的文本粗定位 | 第29-31页 |
| 4.2 基于颜色散布分析的文本粗定位 | 第31-34页 |
| 4.2.1 颜色散布分析算法 | 第31-32页 |
| 4.2.2 全局—局部自适应阈值方法 | 第32-34页 |
| 4.3 两种方法的性能比较 | 第34-37页 |
| 第5章 文本精细定位与背景分离 | 第37-56页 |
| 5.1 背景分离前的预处理 | 第38-40页 |
| 5.2 基于兴趣点颜色聚类和分布统计的色彩分离算法 | 第40-46页 |
| 5.2.1 兴趣点颜色取样聚类 | 第41-44页 |
| 5.2.2 颜色分布统计 | 第44-45页 |
| 5.2.3 颜色分离 | 第45-46页 |
| 5.3 基于空间排列分析的文本判别算法 | 第46-53页 |
| 5.3.1 非文本成分粗筛选 | 第47-48页 |
| 5.3.2 非文本子图粗筛选 | 第48页 |
| 5.3.3 基于空间排列分析的文本行（列）检测 | 第48-50页 |
| 5.3.4 文本行数的估计与聚类方差约束 | 第50-51页 |
| 5.3.5 算法对几种特殊情况的处理 | 第51-52页 |
| 5.3.6 空间排列分析与文本判别算法总结 | 第52-53页 |
| 5.4 文本精细定位与背景分离方法总结 | 第53-56页 |
| 第6章 文本提取实验及性能分析 | 第56-61页 |
| 6.1 文本提取实验 | 第56-58页 |
| 6.2 性能分析 | 第58-60页 |
| 6.3 结论 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61页 |
| 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |