矩形交通标志文本行检测算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-14页 |
| 1.3 研究重点及难点 | 第14-15页 |
| 1.4 矩形交通标志数据库 | 第15-17页 |
| 1.5 本文算法研究的主要流程 | 第17页 |
| 1.6 本文的主要研究内容及各章节安排 | 第17-18页 |
| 2 矩形交通标志中文本区域的粗检测 | 第18-36页 |
| 2.1 基于最大稳定极值区域的文本检测算法 | 第18-19页 |
| 2.2 基于颜色阈值的文本区域检测算法 | 第19-22页 |
| 2.3 基于八叉树颜色量化的多分层文本检测算法 | 第22-33页 |
| 2.3.1 颜色空间 | 第23-27页 |
| 2.3.2 改进的八叉树颜色量化多分层算法 | 第27-31页 |
| 2.3.3 连通区域提取 | 第31-33页 |
| 2.4 实验结果及分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 矩形交通标志中文本区域的精确检测 | 第36-54页 |
| 3.1 基于多级联过滤的文本区域检测 | 第36-46页 |
| 3.1.1 特征提取 | 第37-43页 |
| 3.1.2 分类器设计 | 第43-46页 |
| 3.2 丢失文本召回 | 第46-49页 |
| 3.2.1 基于置信度的方法 | 第47页 |
| 3.2.2 邻域规则 | 第47-48页 |
| 3.2.3 非极大值抑制算法 | 第48-49页 |
| 3.3 实验结果及分析 | 第49-52页 |
| 3.3.1 多级联特征性能对比 | 第49-51页 |
| 3.3.2 分类器性能对比 | 第51页 |
| 3.3.3 文本区域检测结果对比 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 4 矩形交通标志中文本行的检测 | 第54-62页 |
| 4.1 度量学习算法 | 第54-56页 |
| 4.2 基于核逻辑回归的度量学习 | 第56-60页 |
| 4.2.1 逻辑回归模型 | 第56-57页 |
| 4.2.2 改进的度量学习算法 | 第57-60页 |
| 4.3 实验结果及分析 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |
