摘要 | 第1-6页 |
Research on text detection in images and video frames | 第6-11页 |
图目录 | 第11-14页 |
表目录 | 第14-15页 |
第一章 引言 | 第15-37页 |
·文字检测研究的意义 | 第15-17页 |
·对于图像和视频内容分析的意义 | 第15-16页 |
·对于自然场景内容理解的意义 | 第16-17页 |
·作为一种典型模式进行研究的意义 | 第17页 |
·文字检测和识别问题分析 | 第17-22页 |
·文字检测问题阐述 | 第17-18页 |
·文字模式分析 | 第18-20页 |
·文字识别问题分析 | 第20-22页 |
·本文理论背景 | 第22-29页 |
·对象检测技术分析 | 第22-23页 |
·小波图片分解 | 第23-25页 |
·支持向量机分类 | 第25-27页 |
·广义向量量化 | 第27-29页 |
·相关研究概述 | 第29-33页 |
·基于边缘(梯度)特征的文字检测 | 第30-31页 |
·基于连接成分或者颜色分析的文字检测 | 第31-32页 |
·基于纹理特征的文字检测 | 第32-33页 |
·利用视频时间域特征进行文字检测 | 第33页 |
·自然场景中形变文字的恢复 | 第33页 |
·本文的主要工作和贡献 | 第33-36页 |
·论文的组织 | 第36-37页 |
第二章 视频帧中的文字检测算法 | 第37-61页 |
·引言 | 第37-40页 |
·文字行粗定位 | 第40-45页 |
·多尺度的小波分解 | 第40-41页 |
·候选文字像素检测 | 第41-42页 |
·基于密度的区域增长 | 第42-44页 |
·候选文字区域分割为文字行 | 第44-45页 |
·文字行精确分类 | 第45-53页 |
·特征提取 | 第45-50页 |
·特征选择 | 第50-51页 |
·训练和分类 | 第51-53页 |
·多尺度(方向)检测结果合并 | 第53页 |
·实验结果 | 第53-58页 |
·本章小结 | 第58-61页 |
第三章 复杂背景中文字分割算法 | 第61-69页 |
·引言 | 第61-62页 |
·无监督的文字分割方法 | 第62-66页 |
·基于规则采样 | 第63-64页 |
·文字像素颜色模型 | 第64-65页 |
·融合颜色信息和空间连接性的文字分割 | 第65-66页 |
·基于连接成份分析的后处理 | 第66页 |
·实验分析 | 第66-68页 |
·本章小结 | 第68-69页 |
第四章 自然场景中的文字检测方法 | 第69-89页 |
·介绍 | 第69-72页 |
·文字检测 | 第72-78页 |
·候选文字区域定位 | 第74页 |
·区域布局分析 | 第74-76页 |
·文字/非文字分类 | 第76-78页 |
·基于OCR 的识别和反馈 | 第78页 |
·文字恢复 | 第78-81页 |
·文字是否发生仿射形变的判断 | 第80-81页 |
·基于Homography 的文字恢复 | 第81页 |
·实验分析 | 第81-87页 |
·实验数据集合(JDL_TEXT_DETECTION_DATASET(JTDD)) | 第81-83页 |
·试验结果分析 | 第83-85页 |
·试验对比 | 第85-87页 |
·本章小结 | 第87-89页 |
第五章 具有非刚体形变的字符检测方法 | 第89-102页 |
·介绍 | 第89-90页 |
·运动衫号码区域分割 | 第90-95页 |
·形成初始分割区域 | 第91页 |
·区域合并 | 第91-92页 |
·终止区域合并的规则 | 第92-93页 |
·分割算法描述 | 第93-95页 |
·候选定位 | 第95-96页 |
·形变字符特征提取和识别 | 第96-98页 |
·字符特征提取 | 第96-97页 |
·通过生成虚拟样本建立字符识别模型 | 第97-98页 |
·号码跟踪 | 第98-99页 |
·实验结果 | 第99-101页 |
·本章小结 | 第101-102页 |
第六章 方法总结和扩展 | 第102-109页 |
·方法总结和扩展 | 第102-106页 |
·方法总结 | 第102-103页 |
·方法扩展 | 第103-106页 |
·实验分析 | 第106-107页 |
·本章小结 | 第107-109页 |
第七章 结论 | 第109-113页 |
·本文取得的研究成果 | 第109-111页 |
·未来的研究方向 | 第111-113页 |
参考文献 | 第113-120页 |
致谢 | 第120-121页 |
作者简历 | 第121-122页 |