首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于视觉显著性与颜色的复杂场景文字提取方法的研究

摘要第5-7页
ABSTRACT第7-8页
符号对照表第12-13页
缩略语对照表第13-18页
第一章 绪论第18-40页
    1.1 研究背景及意义第18-19页
    1.2 研究发展及现状第19-37页
        1.2.1 文字候选区域获取阶段第20-36页
        1.2.2 文字候选区域验证阶段第36-37页
    1.3 主要内容及创新点第37-40页
        1.3.1 主要内容及章节安排第37-38页
        1.3.2 主要创新点第38-40页
第二章 算法实验评价与算法竞赛第40-54页
    2.1 算法实验评价第40-47页
        2.1.1 ICDAR 2003文字定位数据集第41-42页
        2.1.2 ICDAR 2011文字定位数据集第42-43页
        2.1.3 实验室场景中文数据集第43-45页
        2.1.4 算法评价标准第45-47页
    2.2 ICDAR文字定位算法竞赛第47-52页
        2.2.1 ICDAR 2003文字定位竞赛第47-48页
        2.2.2 ICDAR 2005文字定位竞赛第48-49页
        2.2.3 ICDAR 2011文字定位竞赛第49-50页
        2.2.4 ICDAR 2013文字定位竞赛第50-52页
    2.3 本章小结第52-54页
第三章 基于视觉显著性与提升框架的场景文字背景抑制方法第54-70页
    3.1 引言第54-55页
    3.2 谱残差视觉显著性算法第55-59页
        3.2.1 视觉显著性与谱残差模型第55-57页
        3.2.2 显著性窗口筛选第57-58页
        3.2.3 显著性阈值的确定第58-59页
    3.3 文字区域检测第59-65页
        3.3.1 文字区域检测的特征第59-63页
        3.3.2 弱分类器和联合特征第63-65页
    3.4 实验与分析第65-68页
        3.4.1 级联分类器的训练第65-66页
        3.4.2 评价标准第66页
        3.4.3 实验结果分析第66-68页
    3.5 本章小结第68-70页
第四章 基于视觉显著性与文字置信图的场景文字背景抑制方法第70-84页
    4.1 引言第70-71页
    4.2 谱残差视觉显著性图与显著性区域第71-73页
    4.3 文字置信图第73-77页
        4.3.1 笔画宽度变换第73-75页
        4.3.2 基于笔画特征的点对梯度方向差比例图第75页
        4.3.3 基于傅里叶谱统计特征的后验概率图第75-76页
        4.3.4 文字置信图第76-77页
    4.4 图模型第77-78页
    4.5 实验与分析第78-81页
        4.5.1 评价标准第78页
        4.5.2 实验数据集与实验条件第78页
        4.5.3 显著性算法比较与选择第78-79页
        4.5.4 文字置信图对背景抑制算法的影响第79页
        4.5.5 背景抑制算法在英文数据集的有效性第79-80页
        4.5.6 背景抑制算法在中文数据集的有效性第80-81页
        4.5.7 背景抑制算法的效果与分析第81页
    4.6 本章小结第81-84页
第五章 基于角点类别特征和HOGHOG—EMEM统计特征的复杂场景文字定位算法第84-96页
    5.1 引言第84-85页
    5.2 基于多层连通域分析的文字候选区域提取第85-87页
        5.2.1 HSL颜色空间第85-86页
        5.2.2 多层连通域分析第86-87页
    5.3 场景文字候选区域的验证第87-94页
        5.3.1 基于启发规则的文字候选区域验证第87页
        5.3.2 基于角点类别特征的文字候选区域验证第87-93页
        5.3.3 基于HOG-EM统计特征的文字验证第93-94页
    5.4 实验与分析第94-95页
    5.5 本章小结第95-96页
第六章 总结与展望第96-100页
    6.1 工作总结第96-97页
    6.2 前景展望第97-100页
致谢第100-102页
参考文献第102-114页
作者简介第114-116页
    1. 基本情况第114页
    2. 教育背景第114页
    3. 攻读博士期间的研究成果第114-116页

论文共116页,点击 下载论文
上一篇:基于计算智能和机器学习的胃癌淋巴结检测及淋巴结转移诊断方法研究
下一篇:基于开口谐振环的宽带滤波器研究