首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共90页,点击 下载论文
上一篇:某高校编辑部网络投稿及稿件处理系统的设计与实现
下一篇:基于PLSA的大数据文本情感分析及其应用