| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 现有自然场景文本检测方法存在的问题 | 第12页 |
| 1.3 本文贡献和组织结构 | 第12-14页 |
| 1.3.1 本文的主要贡献 | 第12-13页 |
| 1.3.2 本文的组织结构 | 第13-14页 |
| 第二章 自然场景文本检测算法概述 | 第14-21页 |
| 2.1 包含文本信息的图像分类 | 第14-15页 |
| 2.2 相关技术及研究现状 | 第15-18页 |
| 2.2.1 场景文本检测相关技术 | 第15页 |
| 2.2.2 场景文本检测研究现状 | 第15-18页 |
| 2.3 数据集和评价标准 | 第18-20页 |
| 2.3.1 常用数据集 | 第18-19页 |
| 2.3.2 评价标准 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于对象建议和MSER融合的候选文本区域生成算法 | 第21-29页 |
| 3.1 对象建议和MSER算法介绍 | 第21-23页 |
| 3.1.1 对象建议算法概述 | 第21-22页 |
| 3.1.2 最稳定极值区域算法 | 第22-23页 |
| 3.2 基于对象建议和MSER融合的候选文本区域生成算法 | 第23-26页 |
| 3.2.1 基于对象建议的候选文本区域生成算法 | 第23-25页 |
| 3.2.2 基于启发式规则的初始候选文本区域过滤 | 第25-26页 |
| 3.3 实验结果及分析 | 第26-27页 |
| 3.4 本章小结 | 第27-29页 |
| 第四章 基于随机区域扩张的多方向文本检测方法 | 第29-47页 |
| 4.1 相关技术介绍 | 第29-33页 |
| 4.1.1 多方向文本检测现状 | 第29-30页 |
| 4.1.2 贝叶斯算法 | 第30-31页 |
| 4.1.3 条件随机场 | 第31-33页 |
| 4.2 基于随机区域扩张的多方向文本检测方法 | 第33-42页 |
| 4.2.1 基于贝叶斯算法的多特征融合 | 第33-38页 |
| 4.2.2 基于条件随机场的文本区域判别 | 第38-40页 |
| 4.2.3 基于随机区域扩张算法的文本定位 | 第40-42页 |
| 4.3 实验结果及分析 | 第42-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 自然场景文本提取系统的设计与实现 | 第47-53页 |
| 5.1 系统的总体设计 | 第47-50页 |
| 5.1.1 系统的主要功能 | 第47页 |
| 5.1.2 系统的整体结构 | 第47-48页 |
| 5.1.3 系统流程 | 第48-50页 |
| 5.2 系统界面设计与实现 | 第50-51页 |
| 5.3 本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文工作总结 | 第53-54页 |
| 6.2 存在的问题及展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62页 |