自然场景图像中的文本定位方法及应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·文本定位面临的挑战 | 第11-13页 |
| ·文本定位技术的研究现状 | 第13-15页 |
| ·常见的文本定位方法 | 第15-17页 |
| ·论文主要工作 | 第17-18页 |
| 第二章 基于AdaBoost 的英文定位方法 | 第18-38页 |
| ·AdaBoost 算法 | 第18-22页 |
| ·AdaBoost 算法描述 | 第18-21页 |
| ·AdaBoost 算法性能分析 | 第21-22页 |
| ·特征提取 | 第22-25页 |
| ·PHOG 特征 | 第22-23页 |
| ·LBP 特征 | 第23-24页 |
| ·特征组合 | 第24-25页 |
| ·字符大小无关的文本定位方法 | 第25-31页 |
| ·传统方法——金字塔分解 | 第25-26页 |
| ·自适应大小的检测窗 | 第26-27页 |
| ·检测窗扫描方法 | 第27-29页 |
| ·英文定位方法的总体流程 | 第29-31页 |
| ·英文文本定位结果及分析 | 第31-37页 |
| ·训练样本和测试样本 | 第31-32页 |
| ·评测标准 | 第32-34页 |
| ·实验结果及分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 中文文本定位方法研究 | 第38-46页 |
| ·Gabor 特征 | 第38-39页 |
| ·图像膨胀 | 第39-41页 |
| ·检测窗参数调整及特征提取 | 第41-42页 |
| ·中文定位实验结果 | 第42-45页 |
| ·数据库的建立 | 第42页 |
| ·实验结果及分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 文本切分和识别研究 | 第46-58页 |
| ·文本切分 | 第46-52页 |
| ·动态规划算法 | 第46-47页 |
| ·常用文本切分方法 | 第47-48页 |
| ·基于动态规划的文本切分算法 | 第48-51页 |
| ·文本切分结果 | 第51-52页 |
| ·汉字识别 | 第52-56页 |
| ·基于LDA 的特征压缩 | 第52-53页 |
| ·特征压缩效果 | 第53-54页 |
| ·基于Gabor 特征的汉字识别 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 文本定位应用研究 | 第58-67页 |
| ·云计算 | 第58-61页 |
| ·云计算的优点 | 第59-60页 |
| ·云计算的实现形式 | 第60-61页 |
| ·基于文本定位的即时翻译应用研究 | 第61-65页 |
| ·需求及可行性 | 第61页 |
| ·基于Android 平台的即时翻译系统 | 第61-64页 |
| ·实例 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
