| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究的背景和意义 | 第11页 |
| 1.2 研究现状和存在问题 | 第11-13页 |
| 1.3 本文工作和创新点 | 第13-14页 |
| 1.4 研究生期间主要工作 | 第14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 图像文本识别理论和相关工作 | 第16-30页 |
| 2.1 图像分割技术研究现状 | 第16-24页 |
| 2.1.1 图像分割技术概述 | 第16-18页 |
| 2.1.2 图像分割预处理研究 | 第18-24页 |
| 2.2 图像文本识别研究现状 | 第24-29页 |
| 2.2.1 图像文本识别研究现状 | 第24-25页 |
| 2.2.2 深度神经网络在图像文本识别领域的研究现状 | 第25-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于小波变换的改进Selective Search图像字符分割算法 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 图像分割算法研究与设计 | 第30-38页 |
| 3.2.1 问题分析及解决方法概述 | 第30-31页 |
| 3.2.2 图像分割预处理过程 | 第31-35页 |
| 3.2.3 基于小波变换的改进Selective Search图像字符分割算法 | 第35-38页 |
| 3.3 实验仿真与结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于深度神经网络的证件图像字符识别算法 | 第43-62页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基于深度能量模型的随机深度神经网络图像识别算法 | 第44-54页 |
| 4.2.1 深度神经网络相关概念 | 第44-45页 |
| 4.2.2 基于深度能量模型的随机深度网络图像识别算法 | 第45-48页 |
| 4.2.3 网络模型训练策略及调参方法 | 第48-54页 |
| 4.3 深度神经网络训练与实验仿真结果分析 | 第54-61页 |
| 4.3.1 实验设置 | 第54-55页 |
| 4.3.2 实验仿真与结果分析 | 第55-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结和展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
