基于视频文本检测和视频对象分割方法研究
摘要 | 第1-7页 |
ABSTRACT | 第7-10页 |
目录 | 第10-14页 |
CONTENTS | 第14-18页 |
第一章 绪论 | 第18-34页 |
·研究背景 | 第18-22页 |
·MPEG-4标准 | 第18-20页 |
·MPEG-7标准 | 第20-22页 |
·课题的研究意义 | 第22-24页 |
·论文涉及到的基本概念和主要方法 | 第24-28页 |
·基本概念 | 第25-27页 |
·视频文本的两大类型 | 第25页 |
·文本检测 | 第25页 |
·文本定位 | 第25-26页 |
·文本跟踪 | 第26页 |
·文本区域分割 | 第26页 |
·二值化 | 第26页 |
·OCR软件识别 | 第26页 |
·视频对象分割 | 第26-27页 |
·论文涉及到的主要方法 | 第27-28页 |
·国内外研究状况 | 第28-31页 |
·对字幕文本的检测文献 | 第29-31页 |
·对场景文本的检测文献 | 第31页 |
·课题的研究内容和本文的章节安排 | 第31-34页 |
第二章 基于边缘信息和LH的视频文本检测 | 第34-48页 |
·引言 | 第34-38页 |
·文本的特征 | 第34-36页 |
·现有的方法 | 第36-38页 |
·边缘密度检测 | 第38-39页 |
·基于LH的凸台检测 | 第39-40页 |
·LH的定义 | 第39页 |
·凸台定义及参数 | 第39-40页 |
·凸台检测算法 | 第40页 |
·后处理 | 第40-41页 |
·实验结果及分析 | 第41-47页 |
·结论 | 第47-48页 |
第三章 基于小波和LH的视频文本自动检测 | 第48-60页 |
·引言 | 第48-49页 |
·算法原理 | 第49-52页 |
·实验结果及分析 | 第52-59页 |
·结论 | 第59-60页 |
第四章 基于形态学的文本自动检测 | 第60-80页 |
·引言 | 第60页 |
·形态学 | 第60-63页 |
·二值形态学 | 第61-62页 |
·灰度形态学 | 第62-63页 |
·算法原理 | 第63-67页 |
·基于小波形态学的文本检测(方案一) | 第63页 |
·基于形态学的文本检测(方案二) | 第63-67页 |
·预处理 | 第63-64页 |
·形态边界 | 第64页 |
·区域标记 | 第64-66页 |
·连通分量分析 | 第66页 |
·形态后处理 | 第66页 |
·二值化处理 | 第66-67页 |
·实验结果及分析 | 第67-78页 |
·方案一的实验结果及分析 | 第67-71页 |
·方案二的实验结果及分析 | 第71-78页 |
·结论 | 第78-80页 |
第五章 基于小波-神经网络的文本自动检测 | 第80-88页 |
·引言 | 第80页 |
·算法原理 | 第80-83页 |
·原理概述 | 第80-81页 |
·特征抽取和选择 | 第81-82页 |
·FCNN分类器 | 第82-83页 |
·文本检测 | 第83页 |
·实验结果及分析 | 第83-86页 |
·本章结论 | 第86页 |
·本文几种视频文本检测算法总结 | 第86-88页 |
第六章 视频文本的跟踪和二值化 | 第88-96页 |
·引言 | 第88页 |
·文本运动跟踪 | 第88-91页 |
·运动估计 | 第88-91页 |
·文本的运动跟踪 | 第91页 |
·文本增强 | 第91-93页 |
·字符二值化 | 第93页 |
·OCR识别 | 第93页 |
·实验结果 | 第93-95页 |
·结论 | 第95-96页 |
第七章 基于视频对象的分割 | 第96-104页 |
·引言 | 第96-97页 |
·算法原理 | 第97-101页 |
·时域分割 | 第97-99页 |
·空域分割 | 第99-100页 |
·图象简化 | 第99页 |
·标记提取 | 第99-100页 |
·分水岭变换 | 第100页 |
·时空融合 | 第100-101页 |
·实验结果及分析 | 第101-103页 |
·结论 | 第103-104页 |
总结 | 第104-107页 |
参考文献 | 第107-117页 |
在学期间发表与学位论文内容相关的学术论文 | 第117-118页 |
致谢 | 第118页 |