复杂背景图像的文本信息提取研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-13页 |
| 插图 | 第13-15页 |
| 表格 | 第15-16页 |
| 第一章 绪论 | 第16-40页 |
| ·选题背景和研究意义 | 第16-18页 |
| ·研究现状 | 第18-24页 |
| ·基于区域方法 | 第18-22页 |
| ·基于纹理方法 | 第22-23页 |
| ·场景文本识别 | 第23-24页 |
| ·ICDAR文本定位竞赛 | 第24-29页 |
| ·ICDAR 2003文本定位竞赛 | 第25-27页 |
| ·ICDAR 2005文本定位竞赛 | 第27页 |
| ·ICDAR 2011文本定位竞赛 | 第27-29页 |
| 14 文本定位算法数据集 | 第29-33页 |
| ·ICDAR 2003数据集 | 第29-30页 |
| ·ICDAR 2011数据集 | 第30-31页 |
| ·Microsoft Asia数据集 | 第31页 |
| ·ECNU-CCG数据集 | 第31-33页 |
| ·评价方法 | 第33-38页 |
| ·评价体系概述 | 第33-35页 |
| ·目标检测算法的评价方法 | 第35页 |
| ·文本检测的评价方法 | 第35-38页 |
| ·存在问题 | 第38-39页 |
| ·本文主要工作和研究成果 | 第39-40页 |
| 第二章 基于纹理和统计特征的文本检测和定位方法 | 第40-67页 |
| ·均值偏移算法 | 第40-45页 |
| ·均值偏移算法的基本原理 | 第40-43页 |
| ·均值偏移算法的基本应用 | 第43-45页 |
| ·基于纹理和统计特征的文本检测和定位 | 第45-54页 |
| ·图像平滑和边缘检测 | 第46-51页 |
| ·文本检测和定位 | 第51-54页 |
| ·实验结果与讨论 | 第54-66页 |
| ·参数选择 | 第54-63页 |
| ·实验结果 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第三章 基于视觉关注的文本检测和定位方法 | 第67-91页 |
| ·Itti视觉关注模型 | 第67-70页 |
| ·早期视觉特征的提取 | 第68-69页 |
| ·显著图 | 第69-70页 |
| ·边缘方向直方图 | 第70-73页 |
| ·边缘的非对称性强度 | 第70-71页 |
| ·边缘方向直方图的获取 | 第71-73页 |
| ·基于视觉关注的文本检测和定位 | 第73-82页 |
| ·边缘检测 | 第74-75页 |
| ·利用连通元分析进行字符区域检测 | 第75-78页 |
| ·利用视觉关注模型进行文本区域确认 | 第78-82页 |
| ·实验结果与讨论 | 第82-89页 |
| ·参数选取 | 第82-86页 |
| ·实验结果 | 第86-89页 |
| ·本章小结 | 第89-91页 |
| 第四章 基于尺度空间的文本检测和定位方法 | 第91-117页 |
| ·尺度空间理论 | 第91-97页 |
| ·多尺度表示 | 第91-92页 |
| ·Lindeberg的尺度空间理论 | 第92-97页 |
| ·基于尺度空间的文本检测和定位 | 第97-110页 |
| ·利用边缘和CCA进行文本检测 | 第98-100页 |
| ·尺度空间中拉普拉斯-高斯算子的最强响应 | 第100-108页 |
| ·文本区域的确认 | 第108-110页 |
| ·实验结果与讨论 | 第110-115页 |
| ·参数选取 | 第110-113页 |
| ·实验结果 | 第113-115页 |
| ·本章小结 | 第115-117页 |
| 第五章 场景文本识别系统 | 第117-126页 |
| ·文本区域的二值化 | 第117-120页 |
| ·文本区域的尺度归一化 | 第120-121页 |
| ·文本区域的字符识别 | 第121-125页 |
| ·本章小结 | 第125-126页 |
| 第六章 总结与展望 | 第126-130页 |
| ·本文主要工作及成果 | 第126-128页 |
| ·本文不足及将来的研究方向 | 第128-130页 |
| 附录 | 第130-131页 |
| A.攻读博士学位期间发表的论文 | 第130-131页 |
| 参考文献 | 第131-141页 |
| 后记 | 第141-142页 |
