| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-14页 |
| 1.1 研究意义和背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文主要内容和创新点 | 第12-13页 |
| 1.4 本文的框架结构 | 第13-14页 |
| 第2章 文档图像二值化算法综述 | 第14-30页 |
| 2.1 全局阈值法 | 第14-16页 |
| 2.1.1 BGT算法 | 第14-15页 |
| 2.1.2 Otsu算法 | 第15-16页 |
| 2.2 局部阈值法 | 第16-21页 |
| 2.2.1 Niblack算法 | 第16-17页 |
| 2.2.2 Sauvola算法 | 第17-18页 |
| 2.2.3 Nick算法 | 第18-19页 |
| 2.2.4 Feng算法 | 第19-20页 |
| 2.2.5 Wolf算法 | 第20-21页 |
| 2.3 基于局部对比度的二值化算法 | 第21-23页 |
| 2.3.1 Bernsen算法 | 第21-22页 |
| 2.3.2 LMM算法 | 第22-23页 |
| 2.4 基于背景估计和笔画边缘的二值化算法 | 第23-24页 |
| 2.5 文档图像二值化算法的评估参数 | 第24-27页 |
| 2.6 实验结果分析 | 第27-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第3章 基于局部对比度和笔画宽度估计的文档图像二值化算法 | 第30-46页 |
| 3.0 彩色图像灰度化 | 第30-31页 |
| 3.1 局部图像对比度 | 第31-37页 |
| 3.1.1 全局对比度增强方法 | 第31-34页 |
| 3.1.2 局部对比度增强方法 | 第34-35页 |
| 3.1.3 实验结果 | 第35-37页 |
| 3.2 全局最优阈值化 | 第37-39页 |
| 3.3 笔画宽度估计与局部二值化 | 第39-41页 |
| 3.3.1 基于轮廓比例法进行字符笔画宽度估计 | 第39-40页 |
| 3.3.2 基于滑动邻域窗的局部二值化 | 第40-41页 |
| 3.4 实验结果分析 | 第41-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于SVM分类的文档图像二值化算法 | 第46-61页 |
| 4.1 图像块的分类 | 第47-50页 |
| 4.2 基于支持向量机（SVM）分类器的阈值筛选 | 第50-52页 |
| 4.3 特征参数提取 | 第52-53页 |
| 4.4 人工标记确定 | 第53-55页 |
| 4.5 支持向量机（SVM）分类器分类模型训练 | 第55-56页 |
| 4.6 图像块拼接 | 第56-57页 |
| 4.7 笔画宽度估计和局部二值化 | 第57-58页 |
| 4.8 实验结果分析 | 第58-60页 |
| 4.9 本章小结 | 第60-61页 |
| 第5章 总结和展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |