视频图像中文字提取方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-12页 |
| ·国内外研究现状及进展 | 第12-13页 |
| ·文字检测与定位主要研究 | 第13-14页 |
| ·文字信息提取文献统计分类 | 第14-16页 |
| ·难点与本文工作 | 第16-18页 |
| 第二章 视频文本提取方法研究 | 第18-37页 |
| ·文本的分类 | 第18-19页 |
| ·自然场景中文本的特点 | 第19-21页 |
| ·视频结构化分析 | 第21-24页 |
| ·视频分析中的基本概念 | 第22-23页 |
| ·视频分析中的典型方法 | 第23-24页 |
| ·常用的视觉特征 | 第24-25页 |
| ·视频图像中文本定位的主要方法 | 第25-36页 |
| ·基于纹理的文本定位方法 | 第25-29页 |
| ·基于区域的文本定位方法 | 第29-30页 |
| ·基于边缘的文本定位方法 | 第30-34页 |
| ·基于机器学习的方法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于笔划识别的文字定位方法 | 第37-52页 |
| ·高斯型拉普拉斯变换 | 第37页 |
| ·图像中文字的边缘特性研究 | 第37-39页 |
| ·基于 K-means 聚类的自适应边缘提取 | 第39-40页 |
| ·文字笔划识别 | 第40-45页 |
| ·基于笔划的最小生成树聚类 | 第45-49页 |
| ·文字提取 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于文字的关键帧提取 | 第52-58页 |
| ·关键帧提取简介 | 第52-53页 |
| ·视频相似度 | 第53-54页 |
| ·关键帧选取原则 | 第54-55页 |
| ·基于文字信息的相似性测度 | 第55-56页 |
| ·文字关键帧提取算法 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 文字提取方法的评价与分析 | 第58-72页 |
| ·文字信息检索系统的评价标准 | 第58-60页 |
| ·查全率和查准率 | 第58-59页 |
| ·运行时间 | 第59页 |
| ·保真度和压缩率 | 第59-60页 |
| ·通用图像数据集 | 第60-62页 |
| ·Caltech 101 数据集 | 第60-61页 |
| ·COIL 数据集 | 第61-62页 |
| ·ICDAR 数据集 | 第62页 |
| ·实验与分析 | 第62-68页 |
| ·样本的三维向量提取示例 | 第62-63页 |
| ·多语言字体测试 | 第63-64页 |
| ·与拉普拉斯方法的对比 | 第64页 |
| ·与其他方法的对比 | 第64-65页 |
| ·图片数据集运行结果 | 第65-67页 |
| ·对关键帧提取算法的测试 | 第67-68页 |
| ·文字定位方法在移动终端的应用 | 第68-70页 |
| ·移动应用平台简介 | 第68-69页 |
| ·文字定位应用的测试 | 第69-70页 |
| ·本章总结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·本文总结 | 第72-73页 |
| ·基于 LoG 变换的像素点特征提取 | 第72页 |
| ·基于笔划识别的文字提取 | 第72页 |
| ·基于最小生成树的文字聚类 | 第72页 |
| ·基于文字特征的关键帧提取 | 第72-73页 |
| ·本文展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 发表论文和科研情况说明 | 第78-79页 |
| 致谢 | 第79页 |
