基于CNN的视觉交互中图像处理关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 图像超分辨率重建算法研究现状 | 第10-11页 |
| 1.2.2 图像倾斜校正算法研究现状 | 第11-12页 |
| 1.3 论文的主要研究工作与组织架构 | 第12-14页 |
| 1.3.1 论文的主要研究工作 | 第13页 |
| 1.3.2 论文组织架构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 相关算法概述 | 第15-27页 |
| 2.1 超分辨率重建算法概述 | 第15-20页 |
| 2.1.1 基于插值的超分辨率算法 | 第15-17页 |
| 2.1.2 基于重建的超分辨率算法 | 第17-18页 |
| 2.1.3 基于实例的超分辨率算法 | 第18-20页 |
| 2.2 文本图像倾斜校正相关算法概述 | 第20-23页 |
| 2.2.1 Hough变换法 | 第20-21页 |
| 2.2.2 投影法 | 第21-22页 |
| 2.2.3 基于文本线提取的算法 | 第22-23页 |
| 2.3 关键点检测相关算法概述 | 第23-26页 |
| 2.3.1 人脸关键点检测 | 第23-24页 |
| 2.3.2 指尖关键点检测 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于CNN的图像超分辨率重建 | 第27-45页 |
| 3.1 基于CNN的图像超分辨率重建SRCNN | 第27-28页 |
| 3.2 基于CNN的图像超分辨率重建GCNN | 第28-35页 |
| 3.2.1 GCNN网络结构 | 第29-33页 |
| 3.2.2 GCNN网络结构参数 | 第33-34页 |
| 3.2.3 增加文本图像数据库 | 第34-35页 |
| 3.3 实验对比和分析 | 第35-44页 |
| 3.3.1 图像质量评价指标 | 第35-38页 |
| 3.3.2 多种算法的实验对比 | 第38-40页 |
| 3.3.3 多种网络结构参数的实验对比 | 第40-43页 |
| 3.3.4 增加文本图像数据库的实验对比 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于级联CNN的课本图像倾斜校正 | 第45-66页 |
| 4.1 桌面课本数据库的建立及分析 | 第45-53页 |
| 4.1.1 智能儿童教育机器人 | 第45-47页 |
| 4.1.2 训练集和测试集 | 第47-48页 |
| 4.1.3 标签 | 第48-50页 |
| 4.1.4 数据增加 | 第50-53页 |
| 4.2 基于级联CNN的课本图像倾斜校正 | 第53-58页 |
| 4.2.1 基于级联CNN的关键点检测KCNN | 第54-57页 |
| 4.2.2 基于关键点的倾斜图像校正KSC | 第57-58页 |
| 4.3 实验与分析 | 第58-65页 |
| 4.3.1 定性结果分析 | 第59-62页 |
| 4.3.2 定量结果分析 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 总结与展望 | 第66-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间取得的成果 | 第74-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
