复杂背景下视频文本提取的研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-14页 |
| ·研究背景 | 第7-8页 |
| ·发展历史与国内外研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9页 |
| ·目前遇到的问题 | 第9-10页 |
| ·视频文本提取系统研究 | 第10-12页 |
| ·视频文本的分类 | 第10-11页 |
| ·视频文本提取系统 | 第11-12页 |
| ·本文主要内容与组织安排 | 第12-14页 |
| ·论文主要内容 | 第12页 |
| ·论文组织安排 | 第12-14页 |
| 2 视频文本提取相关技术研究 | 第14-26页 |
| ·视频文本定位方法 | 第14-17页 |
| ·基于连通区域的方法 | 第14-15页 |
| ·基于边缘的方法 | 第15-16页 |
| ·基于纹理的方法 | 第16页 |
| ·基于学习的方法 | 第16-17页 |
| ·文本分割方法 | 第17-22页 |
| ·OTSU全局阈值法 | 第18-19页 |
| ·迭代图像文本分割法 | 第19页 |
| ·简单统计分割法 | 第19页 |
| ·Bernsen局部阈值法 | 第19-20页 |
| ·Niblack局部阈值法 | 第20页 |
| ·Sauvola局部阈值法 | 第20-21页 |
| ·模糊聚类的文本分割法 | 第21-22页 |
| ·文本识别方法 | 第22-26页 |
| ·结构模式识别 | 第22-23页 |
| ·统计模式识别 | 第23-24页 |
| ·人工神经网络 | 第24-26页 |
| 3 基于边缘和小波变换的文本定位 | 第26-44页 |
| ·视频文本区域的特征分析 | 第26-27页 |
| ·视频文本定位算法的选取 | 第27页 |
| ·视频文本粗定位 | 第27-37页 |
| ·视频帧灰度化 | 第27-29页 |
| ·边缘特征提取 | 第29-34页 |
| ·小波变换 | 第34页 |
| ·形态学处理和连通域分析 | 第34-37页 |
| ·基于SVM的精定位 | 第37-42页 |
| ·SVM的基本理论 | 第37-38页 |
| ·SVM 的训练 | 第38-39页 |
| ·文本区域的精确定位 | 第39-40页 |
| ·算法步骤 | 第40-42页 |
| ·算法评价标准及实验分析 | 第42-43页 |
| ·算法评价标准 | 第42-43页 |
| ·实验分析 | 第43页 |
| ·本章小结 | 第43-44页 |
| 4 基于FCM的Sauvola局部國值文本分割 | 第44-49页 |
| ·Sauvola局部阈值法 | 第44-45页 |
| ·Niblack 阈值法 | 第44页 |
| ·Sauvola 阈值法 | 第44-45页 |
| ·模糊聚类(FCM)的文本分割法 | 第45-46页 |
| ·基于FCM的Sauvola局部阈值文本分割法 | 第46-47页 |
| ·实验结果及算法比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于人工神经网络的文本识别 | 第49-55页 |
| ·字符切分 | 第49-51页 |
| ·确定字符边界 | 第49-50页 |
| ·单个字符分割 | 第50-51页 |
| ·字符的规范处理 | 第51页 |
| ·人工神经网络（BP)算法 | 第51-54页 |
| ·BP算法原理 | 第51-52页 |
| ·改进的BP算法 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
