| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.0 不良信息特征提取 | 第15-16页 |
| 1.2.1 分类器设计 | 第16-17页 |
| 1.2.2 文本区域提取与识别 | 第17-18页 |
| 1.3 论文内容及章节安排 | 第18-20页 |
| 第二章 基于肤色先验的不良图像检测算法 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 敏感器官的颜色及形状特征提取 | 第20-23页 |
| 2.2.1 基于GMM的肤色特征提取 | 第20-21页 |
| 2.2.2 基于HOG特征的形状特征提取 | 第21-22页 |
| 2.2.3 敏感器官的特征提取与特征融合 | 第22-23页 |
| 2.3 基于形变模型的敏感器官分类器训练 | 第23-26页 |
| 2.3.1 形变模型 | 第23-24页 |
| 2.3.2 形变模型训练 | 第24-26页 |
| 2.4 基于可形变部件模型的敏感器官分类器训练 | 第26页 |
| 2.5 实验结果与分析 | 第26-28页 |
| 2.5.1 数据库介绍 | 第26-27页 |
| 2.5.2 实验结果与分析 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 结合笔画颜色先验的文本稳定极值区域提取 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 基于局部笔画宽度变换的颜色先验提取方法 | 第30-35页 |
| 3.2.1 基于Canny的边缘提取 | 第30-31页 |
| 3.2.2 笔画宽度变换 | 第31-32页 |
| 3.2.3 基于局部边缘检测的笔画宽度变换 | 第32-35页 |
| 3.3 结合笔画颜色先验的笔画稳定极值区域定位 | 第35-39页 |
| 3.3.1 最大稳定极值区域原理 | 第35-36页 |
| 3.3.2 最大稳定极值区域检测 | 第36页 |
| 3.3.3 基于笔画颜色先验的最大稳定极值区域检测 | 第36-39页 |
| 3.4 实验结果与分析 | 第39-42页 |
| 3.4.1 数据库介绍 | 第39页 |
| 3.4.2 结果评判标准 | 第39-40页 |
| 3.4.3 实验结果 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于上下文内容的字符识别 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 基于文字特征的连通区域组合 | 第44页 |
| 4.3 基于深度学习的字符识别 | 第44-48页 |
| 4.3.1 卷积神经网络介绍 | 第45-47页 |
| 4.3.2 模型训练 | 第47页 |
| 4.3.3 字符识别 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-49页 |
| 4.4.1 数据库介绍 | 第48-49页 |
| 4.4.2 实验结果 | 第49页 |
| 4.5 本章小结 | 第49-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60-61页 |