基于多分辨分析和一致性的文本区域提取算法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-14页 |
| ·本课题研究的背景和意义 | 第7-8页 |
| ·本课题的有关领域现状 | 第8-12页 |
| ·预处理和特征提取 | 第10-11页 |
| ·分类检测 | 第11页 |
| ·区域提取 | 第11-12页 |
| ·文本提取算法的评价 | 第12页 |
| ·本课题的主要研究内容 | 第12-14页 |
| 第2章 多分辨分析和一致性 | 第14-21页 |
| ·图像中文本的特征 | 第14页 |
| ·多分辨分析 | 第14-16页 |
| ·双线性插值法 | 第15页 |
| ·图像的金字塔分解 | 第15-16页 |
| ·一致性Homogeneity的定义 | 第16-17页 |
| ·边缘提取算法 | 第17-19页 |
| ·系统评价准则 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 特征提取方法的研究 | 第21-32页 |
| ·空间映射 | 第21-23页 |
| ·边缘空间映射 | 第21-22页 |
| ·一致性H空间映射 | 第22-23页 |
| ·特征提取 | 第23-26页 |
| ·原始特征 | 第23-24页 |
| ·统计量特征 | 第24-25页 |
| ·共生矩阵特征 | 第25-26页 |
| ·结果分析 | 第26-31页 |
| ·可分类判据 | 第27-28页 |
| ·一致性H空间与边缘空间比较 | 第28-29页 |
| ·滑动窗口大小的影响 | 第29-30页 |
| ·特征筛选 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 分类器设计 | 第32-45页 |
| ·分类器基础 | 第32-38页 |
| ·人工神经网络 | 第32-34页 |
| ·支持向量机 | 第34-38页 |
| ·分类器设计 | 第38-41页 |
| ·前馈网络 | 第38-39页 |
| ·支持向量机 | 第39-40页 |
| ·对比分析 | 第40-41页 |
| ·SVM结果分析 | 第41-44页 |
| ·SVM核函数参数选择的影响 | 第41-42页 |
| ·训练样本的影响 | 第42-43页 |
| ·Boosting训练方法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 区域提取和整体评价 | 第45-56页 |
| ·区域提取 | 第45-51页 |
| ·图像融合 | 第45-46页 |
| ·基于密度的区域确定算法 | 第46-49页 |
| ·平滑后处理 | 第49-51页 |
| ·整体评价 | 第51-55页 |
| ·整体结构 | 第51-52页 |
| ·整体评估 | 第52-53页 |
| ·系统分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 哈尔滨工业大学硕士学位论文原创性声明 | 第61页 |
| 哈尔滨工业大学硕士学位论文使用授权书 | 第61-62页 |
| 哈尔滨工业大学硕士学位涉密论文管理 | 第62-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64页 |
