基于学习的自然背景中文本提取
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景与目标 | 第7-9页 |
| ·文本在计算机视觉中的重要性 | 第7页 |
| ·研究对象 | 第7-8页 |
| ·研究领域 | 第8-9页 |
| ·主要应用场景 | 第9页 |
| ·主要难点 | 第9-10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 相关研究的现状 | 第11-20页 |
| ·综述 | 第11页 |
| ·基于纹理的方法 | 第11-15页 |
| ·基于空域的文本提取 | 第11-13页 |
| ·基于频域的文本提取 | 第13-15页 |
| ·基于区域的方法 | 第15-20页 |
| ·基于连通分量的文本提取 | 第16-18页 |
| ·基于边缘的文本提取 | 第18-20页 |
| 第三章 本文算法介绍 | 第20-24页 |
| ·算法流程 | 第20-21页 |
| ·图像分解模块 | 第21页 |
| ·验证分类模块 | 第21-22页 |
| ·后处理模块 | 第22-24页 |
| 第四章 分解算法的研究与实现 | 第24-28页 |
| ·基于色彩连续的连通性 | 第24-25页 |
| ·基于NIBLACK 的连通性 | 第25-26页 |
| ·两种方法的比较 | 第26-28页 |
| 第五章 文本特征的研究与实现 | 第28-42页 |
| ·文本特征综述 | 第28页 |
| ·常用的文本特征 | 第28-33页 |
| ·用于文本检测的特征 | 第28-32页 |
| ·用于文本验证的特征 | 第32-33页 |
| ·本文选取的文本特征 | 第33-42页 |
| ·本文特征综述 | 第33-34页 |
| ·几何特征 | 第34-35页 |
| ·形状正则化特征 | 第35-37页 |
| ·边缘特征 | 第37页 |
| ·笔画特征 | 第37-39页 |
| ·空间特征 | 第39-40页 |
| ·特征回顾 | 第40-42页 |
| 第六章 训练算法的研究与实现 | 第42-54页 |
| ·级联分类器 | 第42-51页 |
| ·Attentional Cascade 框架 | 第42-45页 |
| ·单级分类器的训练 | 第45-46页 |
| ·级联分类器的训练 | 第46-49页 |
| ·级联分类器的效果 | 第49-51页 |
| ·SVM 的应用 | 第51-54页 |
| ·SVM 的原理 | 第51-52页 |
| ·SVM 的训练 | 第52页 |
| ·SVM 的效果 | 第52-54页 |
| 第七章 后处理算法的研究与实现 | 第54-59页 |
| ·字符包围盒 | 第54-55页 |
| ·文本行预测 | 第55-59页 |
| ·Triangle Graph | 第55-56页 |
| ·空间布局特征 | 第56-57页 |
| ·文本行定位 | 第57-59页 |
| 第八章 算法评估 | 第59-62页 |
| ·评价指标 | 第59页 |
| ·评价准则 | 第59-60页 |
| ·算法性能 | 第60-62页 |
| 第九章 总结 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表的论文 | 第68-70页 |
