视频中文本信息提取技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-30页 |
| ·课题的研究背景及意义 | 第13-16页 |
| ·视频文本信息提取相关知识 | 第16-19页 |
| ·视频文本信息提取系统 | 第16-17页 |
| ·视频文本的分类及特点 | 第17-19页 |
| ·国内外研究现状 | 第19-28页 |
| ·视频文本检测定位研究现状 | 第20-25页 |
| ·视频文本跟踪研究现状 | 第25-26页 |
| ·视频文本增强和分割研究现状 | 第26-27页 |
| ·视频文本信息提取研究存在的困难 | 第27-28页 |
| ·论文的主要工作与组织结构 | 第28-30页 |
| 第2章 视频中文本信息提取相关技术 | 第30-45页 |
| ·基于内容的视频检索 | 第30-31页 |
| ·文本对象纹理提取相关技术 | 第31-39页 |
| ·文本对象纹理特征分析与描述 | 第31-33页 |
| ·小波变换原理 | 第33-35页 |
| ·非降采样 Contourlet 变换原理 | 第35-39页 |
| ·高维特征降维技术 | 第39-40页 |
| ·文本对象纹理分类技术 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 视频文本检测与定位 | 第45-69页 |
| ·引言 | 第45-47页 |
| ·基于边缘和角点密度的潜在文本区域粗检测 | 第47-51页 |
| ·边缘和角点特征提取 | 第47-50页 |
| ·潜在文本区域粗检测 | 第50-51页 |
| ·基于纹理特征的文本区域精确定位 | 第51-61页 |
| ·小波分解及多尺度特征提取 | 第51-55页 |
| ·局部二值模式特征提取 | 第55-57页 |
| ·基于 IOSMAP 的高维特征向量降维 | 第57-59页 |
| ·SVM 文本分类器训练和分类 | 第59-61页 |
| ·文本行定位 | 第61-64页 |
| ·实验结果及分析 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第4章 基于多帧的视频文本跟踪和分割 | 第69-95页 |
| ·引言 | 第69-70页 |
| ·基于模版匹配的视频文本跟踪 | 第70-78页 |
| ·基于小波重构的文本匹配模版 | 第71-73页 |
| ·文本模版匹配度量标准 | 第73-75页 |
| ·金字塔分层匹配 | 第75-76页 |
| ·基于 NCC 测度模版匹配的文本跟踪 | 第76-78页 |
| ·多帧融合文本区域增强与极性判断 | 第78-82页 |
| ·基于改进的二维条件熵的视频文本分割 | 第82-88页 |
| ·基于 NSCT 的改进二维条件最大熵 | 第83-85页 |
| ·BFO 算法原理 | 第85-86页 |
| ·基于 NSCT 最大熵和 BFO 的文本分割 | 第86-88页 |
| ·实验结果及分析 | 第88-93页 |
| ·文本跟踪实验结果及分析 | 第88-90页 |
| ·文本分割实验结果及分析 | 第90-93页 |
| ·本章小结 | 第93-95页 |
| 第5章 基于改进 PCNN 的视频文本分割 | 第95-111页 |
| ·引言 | 第95-96页 |
| ·PCNN 模型基本原理及应用 | 第96-100页 |
| ·PCNN 模型及原理特性 | 第96-99页 |
| ·PCNN 在图像分割中的应用 | 第99-100页 |
| ·基于改进 PCNN 模型的文本分割方法 | 第100-106页 |
| ·改进的 PCNN 模型及参数设置 | 第101-104页 |
| ·基于最大类间方差的输出选择标准 | 第104-106页 |
| ·实验结果及分析 | 第106-109页 |
| ·本章小结 | 第109-111页 |
| 结论 | 第111-113页 |
| 参考文献 | 第113-126页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第126-127页 |
| 个人简历 | 第127-128页 |
| 致谢 | 第128页 |
