| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 文字检测的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-10页 |
| 1.3 文字的分类和特点 | 第10-12页 |
| 1.3.1 文字的分类 | 第10-11页 |
| 1.3.2 文字的特点 | 第11-12页 |
| 1.4 本文的主要内容和章节安排 | 第12-15页 |
| 1.4.1 本文的主要研究内容 | 第12-14页 |
| 1.4.2 本文的章节安排 | 第14-15页 |
| 第二章 常用的图像文字检测方法 | 第15-18页 |
| 2.1 基于纹理特征的方法 | 第15页 |
| 2.2 基于文字边缘特征的方法 | 第15-16页 |
| 2.3 基于统计特征的方法 | 第16-18页 |
| 第三章 构建基于背景复杂度的模糊分类器 | 第18-31页 |
| 3.1 分类器的总体设计流程 | 第18-19页 |
| 3.2 分类算法设计及分析 | 第19-23页 |
| 3.2.1 训练图像集的特征提取 | 第19-22页 |
| 3.2.2 模糊聚类 | 第22-23页 |
| 3.3 BP 神经网络的训练 | 第23-28页 |
| 3.3.1 BP 神经网络的算法思想 | 第24页 |
| 3.3.2 BP 神经网络算法的学习机制 | 第24-28页 |
| 3.3.3 BP 神经网络训练的实现 | 第28页 |
| 3.4 待检测图像的分类 | 第28页 |
| 3.5 结果及分析 | 第28-31页 |
| 3.5.1 聚类结果及分析 | 第28-29页 |
| 3.5.2 分类结果及分析 | 第29-31页 |
| 第四章 针对不同背景复杂度的自适应视频文字检测算法 | 第31-64页 |
| 4.1 简单背景的文字检测和定位算法 | 第31-37页 |
| 4.1.1 基于笔画边缘特征算法 | 第32-37页 |
| 4.2 中等复杂背景的文字检测和定位算法 | 第37-41页 |
| 4.2.1 金字塔分解 | 第37-38页 |
| 4.2.2 基于金字塔分解的笔画边缘检测定位文本算法 | 第38-39页 |
| 4.2.3 实验结果 | 第39-41页 |
| 4.3 复杂背景文字检测和定位算法 | 第41-61页 |
| 4.3.1 笔画宽度变换 | 第42-46页 |
| 4.3.2 笔画宽度变换算法的实现 | 第46-48页 |
| 4.3.3 笔画宽度变换实验结果 | 第48-51页 |
| 4.3.4 改进连通域检测算法检测文本 | 第51-53页 |
| 4.3.5 自然场景图像文本的精确定位 | 第53-61页 |
| 4.4 三种算法的自适应选取 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结和展望 | 第64-66页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 下一步工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |