基于情感极性判别的图像敏感文字信息识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 主要研究工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 2 图像文字区域定位技术 | 第14-32页 |
| 2.1 图像预处理 | 第14-25页 |
| 2.1.1 高斯滤波器 | 第14-15页 |
| 2.1.2 图像二值化 | 第15-22页 |
| 2.1.3 图像连通区域标记 | 第22-25页 |
| 2.2 基于两层受限玻尔兹曼机的文字区域判别 | 第25-31页 |
| 2.2.1 受限玻尔兹曼机 | 第25-27页 |
| 2.2.2 算法流程 | 第27-28页 |
| 2.2.3 实验结果与分析 | 第28-31页 |
| 2.2.3.1 实验配置及其数据来源 | 第28-30页 |
| 2.2.3.2 文字区域判别结果及分析 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 3 基于深度置信网络算法的文字识别 | 第32-47页 |
| 3.1 文字区域倾斜校正 | 第32-35页 |
| 3.1.1 基于投影图的方法 | 第32-33页 |
| 3.1.2 基于Hough变换直线检测的方法 | 第33-35页 |
| 3.2 文字区域字符分割 | 第35-36页 |
| 3.2.1 基于投影法的字符分割 | 第35-36页 |
| 3.3 字符归一化 | 第36-40页 |
| 3.3.1 线性归一化算法 | 第37页 |
| 3.3.2 非线性归一化算法 | 第37-38页 |
| 3.3.3 基于图像矩的归一化算法 | 第38-39页 |
| 3.3.4 实验结果与分析 | 第39-40页 |
| 3.4 基于深度置信网络算法的文字识别 | 第40-45页 |
| 3.4.1 深度置信网络 | 第40-42页 |
| 3.4.2 算法流程 | 第42-43页 |
| 3.4.3 实验结果与分析 | 第43-45页 |
| 3.4.3.1 数据来源 | 第43-44页 |
| 3.4.3.2 文字识别结果及分析 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 图像敏感文字信息识别 | 第47-53页 |
| 4.1 相关词库构建 | 第47-48页 |
| 4.2 多维词网扩散技术 | 第48-49页 |
| 4.3 文本信息情感极性度计算 | 第49-51页 |
| 4.3.1 文本信息预处理及分词操作 | 第49页 |
| 4.3.2 文本信息情感极性度计算方法 | 第49-50页 |
| 4.3.3 敏感信息识别 | 第50-51页 |
| 4.4 实验结果与分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 读研期间公开发表论文(著)及科研情况 | 第60页 |
