声明
摘要
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 多模式匹配研究现状
1.2.2 图片中文字识别研究现状
1.3 论文主要工作及结构安排
2 中英文文本多模式匹配
2.1 模式匹配技术
2.1.1 模式匹配算法思想
2.1.2 经典模式匹配算法
2.2 多模式匹配技术
2.3 中英文文本多模式匹配技术
2.3.1 DFSA-QS算法
2.3.2 THT算法
2.4 本章小结
3 文本类文件检测关键技术
3.1 常见编码方式及特征
3.1.1 ASCII码
3.1.2 GB2312、GBK和BIG5编码
3.1.3 Unicode系列编码
3.2 编码判定和误匹配检测模块
3.2.1 编码分析模块设计
3.2.2 误匹配判断模块设计
3.3 文本类文件检测整体流程
3.4 本章小结
4 图片类文件检测关键技术
4.1 Tesseract-ocr性能测试
4.2 图片预处理
4.2.1 基于霍夫线变换的图像倾斜检测
4.2.2 透视变换
4.2.3 基于霍夫圆变换的印章检测
4.2.4 自适应阈值二值化
4.3 Tesseract-ocr字库训练
4.4 图片类文件检测整体流程
4.5 本章小结
5 检测系统设计与实现
5.1 文本类文件检测实现
5.2 图片类文件检测实现
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
附录
攻读学位期间的研究成果
致谢