视频文本检测算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-30页 |
| ·选题背景及意义 | 第12-15页 |
| ·研究现状 | 第15-27页 |
| ·文本定位 | 第15-20页 |
| ·基于边缘的定位方法 | 第16-17页 |
| ·基于纹理的定位方法 | 第17-18页 |
| ·基于颜色的定位方法 | 第18页 |
| ·基于连通域的定位方法 | 第18-19页 |
| ·其它定位方法 | 第19-20页 |
| ·文本抽取 | 第20-22页 |
| ·图像质量评价 | 第22-27页 |
| ·全参考算法 | 第24-25页 |
| ·半参考算法 | 第25-26页 |
| ·无参考算法 | 第26-27页 |
| ·研究内容及结构安排 | 第27-30页 |
| 第二章 文本定位算法的研究 | 第30-62页 |
| ·引言 | 第30-32页 |
| ·边缘修补 | 第32-40页 |
| ·求边缘 | 第32-34页 |
| ·边缘细化 | 第34-37页 |
| ·边缘修补 | 第37-40页 |
| ·连通域标定及筛选 | 第40-43页 |
| ·连通域标定 | 第41页 |
| ·提取特征 | 第41-42页 |
| ·设计决策树 | 第42-43页 |
| ·文本块粗检测 | 第43-45页 |
| ·文本块融合 | 第45-49页 |
| ·相同方向的融合 | 第47-48页 |
| ·交叉方向的融合 | 第48-49页 |
| ·文本块验证 | 第49-56页 |
| ·共生矩阵特征 | 第50-51页 |
| ·形状匹配特征 | 第51-52页 |
| ·梯度变化特征 | 第52-53页 |
| ·其他特征 | 第53页 |
| ·设计分类器 | 第53-56页 |
| ·实验结果 | 第56-60页 |
| ·边缘修补 | 第56页 |
| ·文本块粗检测 | 第56页 |
| ·文本块融合 | 第56-57页 |
| ·文本块验证 | 第57页 |
| ·文本定位 | 第57-60页 |
| ·小结 | 第60-62页 |
| 第三章 文本抽取算法的研究 | 第62-84页 |
| ·引言 | 第62-63页 |
| ·二值化 | 第63-65页 |
| ·极性判断 | 第65-72页 |
| ·背景的连续性 | 第66页 |
| ·计算笔划宽度 | 第66-67页 |
| ·类字连通域 | 第67-68页 |
| ·空心字 | 第68-69页 |
| ·极性判断的步骤 | 第69-72页 |
| ·多帧融合 | 第72-75页 |
| ·同一性验证 | 第73页 |
| ·多帧验证 | 第73页 |
| ·多帧增强 | 第73-75页 |
| ·连通域筛选 | 第75-76页 |
| ·实验结果 | 第76-81页 |
| ·极性判断 | 第76-77页 |
| ·多帧融合结果 | 第77页 |
| ·连通域筛选 | 第77-78页 |
| ·文本抽取 | 第78-81页 |
| ·小结 | 第81-84页 |
| 第四章 图像质量评价的研究 | 第84-104页 |
| ·引言 | 第84-87页 |
| ·背景知识 | 第87-93页 |
| ·样本集 | 第87-88页 |
| ·衡量算法性能的定量指标 | 第88-90页 |
| ·JPEG 2000压缩标准 | 第90-91页 |
| ·自然场景统计特征 | 第91页 |
| ·广义回归神经网络 | 第91-93页 |
| ·评价算法 | 第93-100页 |
| ·幅度衰减曲线 | 第93-97页 |
| ·位置相似性 | 第97-100页 |
| ·建模与回归 | 第100页 |
| ·实验结果 | 第100-102页 |
| ·结论 | 第102-104页 |
| 第五章 结论与展望 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 个人简历与论文发表 | 第118-119页 |
| 致谢 | 第119页 |
