基于笔画特征的多方法综合视频文本提取算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究意义 | 第10页 |
| 1.2 视频文本分类 | 第10-11页 |
| 1.3 人工文本特征 | 第11-12页 |
| 1.4 文本提取的效率 | 第12-13页 |
| 1.5 论文组织结构 | 第13-14页 |
| 第二章 视频文本提取技术概述 | 第14-21页 |
| 2.1 文本检测 | 第14-17页 |
| 2.2 文本定位 | 第17-18页 |
| 2.3 文本提取 | 第18-20页 |
| 2.4 文本定位提取算法设计方案 | 第20-21页 |
| 第三章 文本检测算法 | 第21-40页 |
| 3.1 笔画特征的提取 | 第21-32页 |
| 3.1.1 笔画滤波方法 | 第21-25页 |
| 3.1.2 自适应笔画滤波方法 | 第25-32页 |
| 3.2 潜在文本区域检测 | 第32-37页 |
| 3.2.1 图像分块标记 | 第33-35页 |
| 3.2.2 文本块合并 | 第35-37页 |
| 3.3 实验结果 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 文本区域定位算法 | 第40-58页 |
| 4.1 笔画特征投影方法 | 第40-47页 |
| 4.1.1 水平投影分析 | 第41-46页 |
| 4.1.2 垂直投影分析 | 第46-47页 |
| 4.2 文本块验证与细化 | 第47-53页 |
| 4.2.1 文本块尺寸验证 | 第48-49页 |
| 4.2.2 候选文本块SVM 验证和细化 | 第49-53页 |
| 4.3 实验结果 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 文本字符提取算法 | 第58-71页 |
| 5.1 文本像素样本提取 | 第58-63页 |
| 5.1.1 种子填充法区域分割 | 第59-60页 |
| 5.1.2 基于笔画梯度的字符分割 | 第60-62页 |
| 5.1.3 样本分割融合 | 第62-63页 |
| 5.2 文本块建模 | 第63-66页 |
| 5.2.1 色度空间特征建模 | 第63-65页 |
| 5.2.2 基于小波系数的特征建模 | 第65-66页 |
| 5.3 文本字符分割 | 第66-68页 |
| 5.4 实验结果 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间已录用的论文 | 第79-81页 |
