基于机器学习的自然图像中文本检测及多文种辨识方法研究
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第15-22页 |
| 1.1 研究目的和意义 | 第15-16页 |
| 1.2 文本检测研究现状 | 第16-18页 |
| 1.3 文种辨识研究现状 | 第18-20页 |
| 1.4 研究内容与主要工作 | 第20-21页 |
| 1.5 本文结构 | 第21-22页 |
| 第2章 文本检测与文种辨识的理论基础 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 双边滤波 | 第22-23页 |
| 2.3 谱残差视觉显著性算法 | 第23-24页 |
| 2.4 边缘检测方法 | 第24-25页 |
| 2.5 基本图像特征 | 第25-27页 |
| 2.6 支持向量机 | 第27-30页 |
| 2.7 人工神经网络 | 第30-32页 |
| 2.8 本章小结 | 第32-34页 |
| 第3章 文本区域检测与多文种辨识方法 | 第34-51页 |
| 3.1 引言 | 第34页 |
| 3.2 基于视觉显著性与边缘密集度的文本检测方法 | 第34-39页 |
| 3.2.1 双边滤波处理 | 第35页 |
| 3.2.2 视觉显著性区域提取 | 第35-38页 |
| 3.2.3 边缘密集度度量 | 第38-39页 |
| 3.3 基于图像特征与机器学习的文种辨识方法 | 第39-50页 |
| 3.3.1 文字分割及骨架提取 | 第40-44页 |
| 3.3.2 基本图像特征提取 | 第44-45页 |
| 3.3.3 多文种辨识策略 | 第45-46页 |
| 3.3.4 基于SVM的文种粗分类 | 第46-47页 |
| 3.3.5 基于SVM的数英俄日文种辨识 | 第47-49页 |
| 3.3.6 基于BP神经网络的中朝文种辨识 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 实验结果与分析 | 第51-62页 |
| 4.1 引言 | 第51页 |
| 4.2 文本检测实验结果及分析 | 第51-55页 |
| 4.2.1 文本检测实验 | 第51-54页 |
| 4.2.2 算法性能分析 | 第54-55页 |
| 4.3 文种辨识实验结果及分析 | 第55-61页 |
| 4.3.1 构造文字训练样本集与分类器 | 第55-56页 |
| 4.3.2 字符分割与骨架提取 | 第56-58页 |
| 4.3.3 基本特征提取与文种辨识 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
