| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-28页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 自然场景文本提取框架 | 第11-12页 |
| 1.3 自然场景文本提取技术研究现状 | 第12-24页 |
| 1.3.1 场景文本定位研究现状 | 第13-19页 |
| 1.3.2 场景文本分割研究现状 | 第19-22页 |
| 1.3.3 场景文字识别研究现状 | 第22-24页 |
| 1.4 文本信息提取存在的问题 | 第24-25页 |
| 1.5 本文的研究内容 | 第25-28页 |
| 第二章 数据库和评价算法 | 第28-36页 |
| 2.1 引言 | 第28-29页 |
| 2.2 实验数据库的建立 | 第29-34页 |
| 2.2.1 数据收集 | 第29-31页 |
| 2.2.2 真值的标注 | 第31-33页 |
| 2.2.3 基于数据库的应用研究 | 第33-34页 |
| 2.3 定位算法评价标准 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于蚁群算法和LBP-HF的场景文本定位 | 第36-50页 |
| 3.1 引言 | 第36-37页 |
| 3.2 相关理论知识 | 第37-41页 |
| 3.2.1 蚁群算法数学模型 | 第37-39页 |
| 3.2.2 图像的小波变换 | 第39-41页 |
| 3.3 基于蚁群算法的场景文本检测 | 第41-43页 |
| 3.3.1 蚁群聚类算法 | 第41页 |
| 3.3.2 基于蚁群聚类算法的文本检测 | 第41-43页 |
| 3.4 基于LBP-HF特征的文本区域验证 | 第43-45页 |
| 3.4.1 LBP-HF特征 | 第43-44页 |
| 3.4.2 文本区域验证 | 第44-45页 |
| 3.5 实验结果及分析 | 第45-47页 |
| 3.5.1 滑动窗口参数选择 | 第45-46页 |
| 3.5.2 验证模块的有效性测试 | 第46页 |
| 3.5.3 与其他算法的比较与定位结果示例 | 第46-47页 |
| 3.6 本章小结 | 第47-50页 |
| 第四章 基于两层框架的复杂场景文本定位方法 | 第50-72页 |
| 4.1 引言 | 第50-51页 |
| 4.2 局部二值模式 | 第51-53页 |
| 4.3 文本区域检测 | 第53-55页 |
| 4.3.1 算法框架 | 第53页 |
| 4.3.2 文本区域检测 | 第53-55页 |
| 4.4 结合WTLBP特征和SVM的验证方法 | 第55-62页 |
| 4.4.1 WTLBP特征 | 第56-57页 |
| 4.4.2 基于SVM的文本区域确认 | 第57-59页 |
| 4.4.3 实验结果及分析 | 第59-62页 |
| 4.5 基于图割及多特征的验证方法 | 第62-70页 |
| 4.5.1 验证模型的建立 | 第62-65页 |
| 4.5.2 特征提取 | 第65-67页 |
| 4.5.3 文本区域后处理 | 第67-69页 |
| 4.5.4 实验结果及分析 | 第69-70页 |
| 4.6 小结 | 第70-72页 |
| 第五章 基于EMRF和多特征的复杂场景文本分割方法 | 第72-88页 |
| 5.1 引言 | 第72-73页 |
| 5.2 MRF模型相关理论 | 第73-77页 |
| 5.2.1 MRF模型的数学描述 | 第73-76页 |
| 5.2.2 MRF模型的参数估计 | 第76页 |
| 5.2.3 MRF模型的推断 | 第76-77页 |
| 5.3 场景文本分割模型 | 第77-81页 |
| 5.3.1 观测数据建模 | 第77-80页 |
| 5.3.2 先验模型 | 第80页 |
| 5.3.3 参数估计和模型推断 | 第80-81页 |
| 5.4 算法的设计与实现 | 第81-82页 |
| 5.5 实验结果及分析 | 第82-86页 |
| 5.5.1 不同特征对算法性能的影响 | 第83页 |
| 5.5.2 EMRF模型性能测试 | 第83-84页 |
| 5.5.3 不同方法的比较 | 第84-86页 |
| 5.6 本章小结 | 第86-88页 |
| 第六章 结合区域颜色一致性和图割的复杂场景文本分割方法 | 第88-102页 |
| 6.1 引言 | 第88-89页 |
| 6.2 图割理论 | 第89-91页 |
| 6.2.1 图割的基础知识 | 第89-90页 |
| 6.2.2 分割能量函数 | 第90-91页 |
| 6.2.3 基于图割的图像分割步骤 | 第91页 |
| 6.3 基于区域颜色一致性的图割模型 | 第91-92页 |
| 6.3.1 局部区域分割 | 第91-92页 |
| 6.3.2 基于局部区域的图割模型 | 第92页 |
| 6.4 能量函数的设计 | 第92-95页 |
| 6.4.1 基于笔画特征的种子点提取 | 第93页 |
| 6.4.2 区域代价函数 | 第93-95页 |
| 6.4.3 邻域代价函数 | 第95页 |
| 6.5 GMMs模型参数估计 | 第95-96页 |
| 6.6 实验结果及分析 | 第96-99页 |
| 6.6.1 区域分割结果对比 | 第97页 |
| 6.6.2 GMMs模型成分个数对算法性能的影响 | 第97-98页 |
| 6.6.3 与其他算法的比较 | 第98-99页 |
| 6.7 本章小结 | 第99-102页 |
| 第七章 总结和展望 | 第102-106页 |
| 7.1 总结 | 第102-104页 |
| 7.2 展望 | 第104-106页 |
| 致谢 | 第106-108页 |
| 参考文献 | 第108-122页 |
| 攻读博士学位期间的研究成果 | 第122-123页 |