| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-31页 |
| ·视频中文本分割的研究意义和目的 | 第15-17页 |
| ·视频中文本的特点 | 第17-21页 |
| ·视频中文本分割的难点 | 第21页 |
| ·视频中文本分割的系统框架和研究内容 | 第21-24页 |
| ·国内外研究现状 | 第24-28页 |
| ·国内研究的情况 | 第24-25页 |
| ·国外研究状况 | 第25-27页 |
| ·对于各研究的分析和总结 | 第27-28页 |
| ·本文的主要内容﹑研究方法和章节安排 | 第28-31页 |
| 第二章 一种数据融合的视频镜头分割解决方案 | 第31-47页 |
| ·引言 | 第31-32页 |
| ·现有的镜头分割算法 | 第32-37页 |
| ·基于压缩视频的镜头分割算法 | 第33-34页 |
| ·基于边缘的算法 | 第34页 |
| ·基于像素比较的算法 | 第34-35页 |
| ·基于块比较的算法 | 第35-36页 |
| ·基于直方图差值的算法 | 第36-37页 |
| ·本章提出的基于数据融合的视频镜头分割算法 | 第37-45页 |
| ·数据融合 | 第37-39页 |
| ·差分直方图方差 | 第39-40页 |
| ·基于BP(Back-Progagation)神经网络的视频镜头边界检测器 | 第40-45页 |
| ·实验分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 基于颜色边缘与变换支持向量机的文本定位算法 | 第47-67页 |
| ·引言 | 第47-48页 |
| ·几种文本检测定位算法的介绍 | 第48-53页 |
| ·基于分裂-合并的算法 | 第48-52页 |
| ·基于纹理的算法 | 第52-53页 |
| ·基于边缘的算法 | 第53页 |
| ·变换支持向量机(TSVM)原理 | 第53-57页 |
| ·支持向量机(SVM)原理 | 第53-55页 |
| ·变换支持向量机 | 第55-57页 |
| ·本章提出的文本定位算法 | 第57-63页 |
| ·文本特征提取 | 第57-58页 |
| ·TSVM 核函数的选择 | 第58-59页 |
| ·变换支持向量机分类器的训练 | 第59页 |
| ·基于颜色边缘和变换支持向量机的文本区域定位算法 | 第59-61页 |
| ·金字塔模型 | 第61-63页 |
| ·实验分析 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第四章 视频中静止和线性运动文本的跟踪算法 | 第67-75页 |
| ·引言 | 第67-68页 |
| ·现有的文本跟踪算法 | 第68-70页 |
| ·对静态文本的跟踪算法 | 第68页 |
| ·对运动文本的跟踪算法 | 第68-70页 |
| ·本章提出的视频文本跟踪算法 | 第70-71页 |
| ·跟踪方案 | 第70页 |
| ·文本跟踪 | 第70-71页 |
| ·实验分析 | 第71-72页 |
| ·本章小结 | 第72-75页 |
| 第五章 基于多帧分块的视频文本增强算法 | 第75-85页 |
| ·引言 | 第75-76页 |
| ·多帧最小化算法 | 第76-77页 |
| ·多帧平均算法 | 第77页 |
| ·本章提出的基于多帧分块的文本增强 | 第77-82页 |
| ·插值放大和识别 | 第82页 |
| ·实验和分析 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 第六章 基于边缘和颜色分析的车牌号码分割 | 第85-105页 |
| ·引言 | 第85-86页 |
| ·车牌识别系统简介 | 第86-87页 |
| ·汽车牌照的特点 | 第87-88页 |
| ·车牌分割和识别系统的难点 | 第88-91页 |
| ·通过边缘检测提取候选车牌区域 | 第91-93页 |
| ·颜色分析 | 第93-96页 |
| ·像素颜色归类器 | 第95页 |
| ·归类器的训练 | 第95-96页 |
| ·启发式规则 | 第96页 |
| ·二值化﹑归一化和识别 | 第96-103页 |
| ·二值化 | 第96-99页 |
| ·车牌的归一化 | 第99-103页 |
| ·车牌的识别 | 第103页 |
| ·实验分析 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 结论与展望 | 第105-109页 |
| 参考文献 | 第109-126页 |
| 攻博期间发表的论文 | 第126-128页 |
| 致 谢 | 第128-129页 |