场景文字识别方法研究及其软件实现
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第10-16页 |
1.1 课题研究背景及意义 | 第10-11页 |
1.2 研究现状 | 第11-13页 |
1.2.1 基于特征提取方法的文本识别 | 第11-12页 |
1.2.2 基于字典信息的识别结果修正 | 第12-13页 |
1.3 论文内容和结构 | 第13-16页 |
第二章 字符特征提取算法的选择 | 第16-26页 |
2.1 引言 | 第16页 |
2.2 方向梯度直方图 | 第16-23页 |
2.2.1 常用梯度算子 | 第16-20页 |
2.2.2 常用分块机制 | 第20-23页 |
2.3 实验数据及结论 | 第23-25页 |
2.3.1 二值样本的实验数据 | 第23-24页 |
2.3.2 自然图片的实验数据 | 第24页 |
2.3.3 本文选用的梯度直方图计算方案 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第三章 基于类间错分概率的模糊类别划分方案 | 第26-35页 |
3.1 引言 | 第26-27页 |
3.2 经典类别划分方案 | 第27-28页 |
3.3 经典类别划分方案中的类间错分概率 | 第28-29页 |
3.4 模糊类别划分方案 | 第29-30页 |
3.5 实验结果及结论 | 第30-34页 |
3.5.1 二值样本的实验数据 | 第30-31页 |
3.5.2 自然图片的实验数据 | 第31-33页 |
3.5.3 结论及分析 | 第33-34页 |
3.6 本章小结 | 第34-35页 |
第四章 基于滑动窗和图像分割的字符提取 | 第35-54页 |
4.1 引言 | 第35页 |
4.2 自然场景文字图片字符提取 | 第35-37页 |
4.3 抑制滑动窗结果数量 | 第37-41页 |
4.3.1 样本纵横比计算 | 第38-39页 |
4.3.2 置信区间 | 第39-41页 |
4.4 基于图像分割的分离置信度计算 | 第41-46页 |
4.4.1 图像分割 | 第41-42页 |
4.4.2 分离置信度 | 第42-43页 |
4.4.3 非理想分割情况下分离置信度的处理 | 第43-45页 |
4.4.4 权值系数的选择 | 第45-46页 |
4.5 子窗口得分与分离置信度 | 第46-49页 |
4.5.1 分割较理想子窗口的初始得分 | 第47-49页 |
4.5.2 分割不理想时子窗口的初始得分 | 第49页 |
4.6 实验数据及结论 | 第49-53页 |
4.6.1 限制滑动窗数量方法的实验数据 | 第50-52页 |
4.6.2 子窗口初始得分方法部分实验结果 | 第52-53页 |
4.7 本章小结 | 第53-54页 |
第五章 基于大样本字典的字符识别 | 第54-75页 |
5.1 引言 | 第54页 |
5.2 被模糊大类的处理 | 第54-56页 |
5.3 连接子窗 | 第56-62页 |
5.3.1 子窗口的连接规则 | 第57页 |
5.3.2 英文与数字的组合形式 | 第57-58页 |
5.3.3 窗口序列生长 | 第58-62页 |
5.4 基于大样本字典的修正 | 第62-70页 |
5.4.1 提出单词组合 | 第63-67页 |
5.4.2 基于大样本字典的修正准则 | 第67-68页 |
5.4.3 对大样本字典的预处理 | 第68页 |
5.4.4 修正识别结果 | 第68-70页 |
5.5 实验数据及结论 | 第70-73页 |
5.5.1 基于纵横比的良度得分实验数据 | 第70页 |
5.5.2 基于大样本字典修正结果实验数据 | 第70-73页 |
5.6 本章小结 | 第73-75页 |
第六章 软件实现与识别结果分析 | 第75-81页 |
6.1 引言 | 第75页 |
6.2 识别软件模块 | 第75页 |
6.3 软件界面 | 第75-78页 |
6.4 实验数据及分析 | 第78-80页 |
6.4.1 部分图片识别结果展示 | 第78页 |
6.4.2 本算法识别精度 | 第78-80页 |
6.5 本章小结 | 第80-81页 |
第七章 结论 | 第81-84页 |
7.1 本论文研究总结 | 第81-82页 |
7.2 本论文研究展望 | 第82-84页 |
致谢 | 第84-85页 |
参考文献 | 第85-89页 |
攻硕期间取得的研究成果 | 第89-90页 |