| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-21页 |
| 1.1 课题背景及意义 | 第12-14页 |
| 1.2 文本主要研究内容及贡献 | 第14-21页 |
| 1.2.1 自然场景图像水平文本检测方法 | 第14-16页 |
| 1.2.2 自然场景图像多方向文本检测方法 | 第16-18页 |
| 1.2.3 视频文本检测与跟踪方法 | 第18-20页 |
| 1.2.4 论文研究内容之间的联系 | 第20-21页 |
| 2 文献综述 | 第21-38页 |
| 2.1 自然场景水平方向文本检测 | 第24-28页 |
| 2.2 多方向文本检测 | 第28-31页 |
| 2.3 深度学习与文本检测 | 第31-34页 |
| 2.4 视频图像的文本检测与跟踪 | 第34-38页 |
| 3 基于多信息融合的水平场景文本检测 | 第38-63页 |
| 3.1 多信息融合的字符提取 | 第39-46页 |
| 3.1.1 基于MSERs的字符提取方法 | 第43-45页 |
| 3.1.2 AdaBoost字符分类器 | 第45-46页 |
| 3.2 多分类器集成的文本判别器 | 第46-50页 |
| 3.2.1 基于滑动窗口的文本判别器 | 第47-48页 |
| 3.2.2 基于贝叶斯准则的文本判别器 | 第48-49页 |
| 3.2.3 AdaBoost文本判别器 | 第49页 |
| 3.2.4 三个判别器的区别 | 第49-50页 |
| 3.3 自然场景水平方向文本检测器 | 第50页 |
| 3.4 实验验证 | 第50-62页 |
| 3.4.1 数据集介绍 | 第51-55页 |
| 3.4.2 评价标准 | 第55页 |
| 3.4.3 基于多信息融合的字符提取 | 第55-57页 |
| 3.4.4 多分类器融合的文本判别器评测 | 第57-59页 |
| 3.4.5 水平方向文本检测器评测 | 第59-62页 |
| 3.5 本章小结 | 第62-63页 |
| 4 基于自适应聚类的多方向场景文本检测 | 第63-80页 |
| 4.1 概述 | 第63-65页 |
| 4.2 基于尺度学习框架的自适应聚类算法 | 第65-68页 |
| 4.2.1 尺度学习框架 | 第66-68页 |
| 4.3 由粗到精的文本行构建算法 | 第68-72页 |
| 4.3.1 形态特征聚类 | 第68-69页 |
| 4.3.2 方向聚类 | 第69-71页 |
| 4.3.3 截距聚类 | 第71页 |
| 4.3.4 二分层次型聚类 | 第71-72页 |
| 4.4 实验验证 | 第72-79页 |
| 4.4.1 数据集介绍及评价标准 | 第72-73页 |
| 4.4.2 MSRA-TD500数据集实验 | 第73-75页 |
| 4.4.3 USTB-SV1K数据集实验 | 第75-77页 |
| 4.4.4 水平方向文本检测数据库上的实验 | 第77-79页 |
| 4.5 本章小结 | 第79-80页 |
| 5 基于能量最小化优化算法的视频文本跟踪 | 第80-97页 |
| 5.1 文本跟踪模型描述 | 第80-83页 |
| 5.1.1 文本检测能量模型 | 第81页 |
| 5.1.2 表观模型 | 第81-82页 |
| 5.1.3 互斥模型 | 第82-83页 |
| 5.2 模型求解 | 第83-84页 |
| 5.3 文本跟踪过程 | 第84-85页 |
| 5.4 实验验证 | 第85-96页 |
| 5.4.1 视频文本跟踪的评价标准 | 第85-87页 |
| 5.4.2 数据集介绍 | 第87-89页 |
| 5.4.3 ICDAR15-CH3-TASK1数据集实验结果 | 第89-93页 |
| 5.4.4 Minetto数据集实验结果 | 第93-96页 |
| 5.5 本章小结 | 第96-97页 |
| 6 自然场景视频文本检测系统 | 第97-100页 |
| 6.1 系统实现 | 第97-98页 |
| 6.2 实验验证 | 第98-99页 |
| 6.2.1 与检测方法的对比 | 第98-99页 |
| 6.2.2 与其他跟踪检测算法的对比 | 第99页 |
| 6.3 本章小结 | 第99-100页 |
| 7 结论 | 第100-102页 |
| 参考文献 | 第102-110页 |
| 作者简历及在学研究成果 | 第110-113页 |
| 学位论文数据集 | 第113页 |