自然场景的中文文本定位技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 存在的难点与分析 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 常见的文本定位方法 | 第16-19页 |
| 1.4.1 基于连通区域的文本定位算法 | 第16-17页 |
| 1.4.2 基于纹理的文本定位算法 | 第17-18页 |
| 1.4.3 基于边缘的文本定位算法 | 第18页 |
| 1.4.4 基于学习的文本定位算法 | 第18-19页 |
| 1.5 本文的主要工作与结构安按 | 第19-21页 |
| 第二章 基于笔画宽度变换的自然场景文本定位 | 第21-28页 |
| 2.1 笔画宽度变换原理 | 第21页 |
| 2.2 笔画宽度变换步骤 | 第21-23页 |
| 2.3 笔画宽度变换算法实现 | 第23页 |
| 2.4 笔画宽度变换实验结果 | 第23-24页 |
| 2.5 文本候选区域定位与筛选 | 第24-25页 |
| 2.6 文本候选区域连接成文本行 | 第25-26页 |
| 2.7 文本候选区域定位与筛选实验结果 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 基于MSER的文本检测和候选文本区域生成 | 第28-37页 |
| 3.1 最稳定极值区域（MSER） | 第28-31页 |
| 3.1.1 最稳定极值区域的数学定义 | 第28-29页 |
| 3.1.2 最稳定极值区域的性质 | 第29页 |
| 3.1.3 最稳定极值区域的提取算法 | 第29-31页 |
| 3.2 最稳定极值区域提取实验效果 | 第31-32页 |
| 3.3 最稳定极值区域的筛选 | 第32-33页 |
| 3.4 角点检测 | 第33-34页 |
| 3.5 最稳定极值区域的筛选实验结果 | 第34-35页 |
| 3.6 最稳定极值区域连通域分析和合并 | 第35页 |
| 3.7 最稳定极值区域合并实验结果 | 第35-36页 |
| 3.8 实验结果与分析 | 第36页 |
| 3.9 本章小结 | 第36-37页 |
| 第四章 基于SVM的文本定位方法 | 第37-58页 |
| 4.1 SVM基本原理 | 第37-40页 |
| 4.2 中文文本特征提取 | 第40-49页 |
| 4.2.1 HOG特征 | 第41-43页 |
| 4.2.2 LBP特征 | 第43-47页 |
| 4.2.2.1 LBP算子的描述 | 第44-45页 |
| 4.2.2.2 LBP旋转不变模式 | 第45页 |
| 4.2.2.3 LBP均匀模式 | 第45-47页 |
| 4.2.2.4 LBP特征提取 | 第47页 |
| 4.2.3 Gabor特征 | 第47-49页 |
| 4.2.3.1 Gabor特征的描述 | 第48页 |
| 4.2.3.2 Gabor特征的提取 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-56页 |
| 4.3.1 数据库构建 | 第49页 |
| 4.3.2 数据库标注 | 第49-51页 |
| 4.3.3 正负样本的自动获取 | 第51-52页 |
| 4.3.4 分类器测试 | 第52页 |
| 4.3.5 字符连接成文本行 | 第52-53页 |
| 4.3.6 文本定位评价标准 | 第53-54页 |
| 4.3.7 实验结果及分析 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
