复杂背景下的文本定位算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 文本定位的研究背景及意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-13页 |
| 1.3 本文的算法流程及结构安排 | 第13-16页 |
| 1.3.1 本文算法流程 | 第13-14页 |
| 1.3.2 本文结构安排 | 第14-16页 |
| 2 颜色量化 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 颜色量化 | 第16-23页 |
| 2.2.1 颜色空间转换 | 第17-18页 |
| 2.2.2 一维直方图图论算法 | 第18-19页 |
| 2.2.3 二维直方图图论算法 | 第19-21页 |
| 2.2.4 颜色量化后续处理 | 第21-23页 |
| 2.3 颜色量化用于文本定位 | 第23-24页 |
| 3 连通区域特征的选取 | 第24-29页 |
| 3.1 引言 | 第24-25页 |
| 3.2 二值图像预处理 | 第25页 |
| 3.3 基于连通区域的笔画宽度变换算法 | 第25-26页 |
| 3.4 连通区域的特征提取 | 第26-28页 |
| 3.5 连通区域特征在文本定位中的应用 | 第28-29页 |
| 4 基于稀疏分解和条件随机场的文本定位算法 | 第29-48页 |
| 4.1 引言 | 第29页 |
| 4.2 稀疏分解和条件随机场基本理论 | 第29-36页 |
| 4.2.1 稀疏分解基本理论 | 第29-34页 |
| 4.2.2 条件随机场模型理论 | 第34-36页 |
| 4.3 基于稀疏分解的水平文本候选粗定位 | 第36-37页 |
| 4.3.1 字典的训练 | 第36-37页 |
| 4.3.2 基于稀疏分解的水平文本粗定位 | 第37页 |
| 4.4 基于条件随机场的水平文本精细定位 | 第37-42页 |
| 4.4.1 构建条件随机场模型的参数准备 | 第37-38页 |
| 4.4.2 利用稀疏表示构建条件随机场模型 | 第38-41页 |
| 4.4.3 图割CRF模型对文本细定位 | 第41-42页 |
| 4.5 任意方向的文本定位 | 第42-48页 |
| 4.5.1 接近水平方向上的文本定位 | 第43-46页 |
| 4.5.2 接近垂直方向上的文本定位 | 第46页 |
| 4.5.3 任意方向上的单词合并 | 第46-48页 |
| 5 评价指标及实验结果分析 | 第48-54页 |
| 5.1 实验数据库的选择 | 第48-49页 |
| 5.2 评价指标 | 第49-50页 |
| 5.3 实验结果评价 | 第50-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 附录A CCSWT算法伪代码 | 第61-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
