| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 本文研究背景和意义 | 第12页 |
| 1.2 现有自然场景文字检测方法 | 第12-16页 |
| 1.2.1 通用对象检测方法 | 第13-14页 |
| 1.2.2 基于窗口的文字检测方法 | 第14页 |
| 1.2.3 基于连通组件的文字检测方法 | 第14-15页 |
| 1.2.4 基于混合方法的文字检测方法 | 第15-16页 |
| 1.3 本文主要工作及安排 | 第16-17页 |
| 第二章 相关工作 | 第17-32页 |
| 2.1 笔划宽度变换 | 第17-18页 |
| 2.2 深度信念网络 | 第18-19页 |
| 2.3 最大稳定极值区域 | 第19-22页 |
| 2.4 卷积神经网络 | 第22-32页 |
| 2.4.1 多层感知器 | 第22-25页 |
| 2.4.2 卷积运算 | 第25-27页 |
| 2.4.3 卷积神经网络 | 第27-31页 |
| 2.4.4 本章小结 | 第31-32页 |
| 第三章 基于笔划宽度变换和深度信念网络的文字检测方法 | 第32-42页 |
| 3.1 文字边缘检测 | 第32-35页 |
| 3.2 候选字符提取 | 第35-37页 |
| 3.2.1 增强SWT算法 | 第35-36页 |
| 3.2.2 边缘增强连通组件提取算法 | 第36-37页 |
| 3.3 候选字符过滤 | 第37-39页 |
| 3.4 种子字符提取及文字生长 | 第39-40页 |
| 3.5 文本行聚合 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于最大稳定极值区域和卷积神经网络的文字检测方法 | 第42-51页 |
| 4.1 种子字符定位 | 第42-45页 |
| 4.1.1 基于MSER的组件过滤 | 第42-43页 |
| 4.1.2 种子字符过滤 | 第43-45页 |
| 4.2 文字生长 | 第45-48页 |
| 4.2.1 相似度测量 | 第45-48页 |
| 4.2.2 迭代式的文字生长 | 第48页 |
| 4.3 文本行验证 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 实验结果与分析 | 第51-60页 |
| 5.1 实验平台 | 第51页 |
| 5.2 数据集与评价协议 | 第51-53页 |
| 5.3 ICDAR数据集实验结果 | 第53-57页 |
| 5.4 SVT数据集实验结果 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 简历与科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |