1. 研究目的与意义
自然场景文本区域定位技术是对图像内容分析的重要方法。
文本区域定位技术的应用是十分广大的，其中最主要的是对文本识别提供便利。
自然场景文本的分布广泛，如路标，海报，招牌等。
2. 课题关键问题和重难点
1. 关键问题了解PyTroch的相关知识，做到熟练搭建PyTroch的开发应用环境，这是实验的基础。
核心技术卷积神经网络，本课题有用到卷积神经网络的要求。
传统的自然场景文本的定位算法依赖于人工设计特征，一旦自然场景图像中的文本出现形变或者图像中有些许类似文本特征的噪声等，那么传统定位算法容易得到错误的定位结果，导致定位的准确度降低。
3. 国内外研究现状（文献综述）
场景文本定位，是文本信息提取中最重要的问题，相对而言以前的方法研究较少。
早期的方法对场景文本使用手工特性发现。
首先检测带有随机蕨类的字符，然后然后用图形结构将它们组合成一个单词固定的词典。
4. 研究方案
设计方案主体内容，1、文本定位方法主要包括预处理（灰处理，二值化）、生产候选文本区域以及最终使用卷积神经网络进行进一步的分类。
2、预处理阶段：对自然场景的图像进行一系列的处理，尽量去除冗余信息，减少后续的工作量。
其中的灰度化处理，采用加权平均法；二值化处理Niblack算法是为了减少图像中的噪音干扰。
5. 工作计划
具体到每周，参照学院进度安排。
结合各自课题，细化进度内容。
第1周：确定选题，完成申请表；第2周：查阅资料，熟悉任务书要求；第3周：查阅资料，准备撰写开题报告；第4周：搜集、查阅相关文献资料，确定总体研究计划；第5周：搭建研发环境，准备实验数据；第6周：实验设计方案A；实验设计方案B(可不做，但需给出说明)；设计方案A:做一个文本定位系统，实现自然场景内的文本定位，应用卷积神经网络算法，从而提高文本定位的精准性和效率。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
