摘要
第一章 绪论
1.1 文字检测的研究背景及意义
1.2 国内外研究现状及发展趋势
1.3 文字的分类和特点
1.3.1 文字的分类
1.3.2 文字的特点
1.4 本文的主要内容和章节安排
1.4.1 本文的主要研究内容
1.4.2 本文的章节安排
第二章 常用的图像文字检测方法
2.1 基于纹理特征的方法
2.2 基于文字边缘特征的方法
2.3 基于统计特征的方法
第三章 构建基于背景复杂度的模糊分类器
3.1 分类器的总体设计流程
3.2 分类算法设计及分析
3.2.1 训练图像集的特征提取
3.2.2 模糊聚类
3.3 BP神经网络的训练
3.3.1 BP神经网络的算法思想
3.3.2 BP神经网络算法的学习机制
3.3.3 BP神经网络训练的实现
3.4 待检测图像的分类
3.5 结果及分析
3.5.1 -聚类结果及分析
3.5.2 分类结果及分析
第四章 针对不同背景复杂度的自适应视频文字检测算法
4.1 简单背景的文字检测和定位算法
4.1.1 基于笔画边缘特征算法
4.2 中等复杂背景的文字检测和定位算法
4.2.1 金字塔分解
4.2.2 基于金字塔分解的笔画边缘检测定位文本算法
4.2.3 实验结果
4.3 复杂背景文字检测和定位算法
4.3.1 笔画宽度变换
4.3.2 笔画宽度变换算法的实现
4.3.3 笔画宽度变换实验结果
4.3.4 改进连通域检测算法检测文本
4.3.5 自然场景图像文本的精确定位
4.4 三种算法的自适应选取
4.5 本章小结
第五章 总结和展望
5.1 全文总结
5.2 下一步工作展望
致谢
参考文献
声明