自然場(chǎng)景圖像中的文本定位和提取算法研究.pdf

1、近些年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)和信息技術(shù)的飛速發(fā)展，手機(jī)、數(shù)碼相機(jī)等便攜式設(shè)備的普及，人們可以根據(jù)需要隨時(shí)隨地獲取圖像并上傳到網(wǎng)絡(luò)。而文字，作為人與人之間交流的媒介，也是信息傳遞的重要方式。但是自然場(chǎng)景圖像中的文本提取仍然是一個(gè)復(fù)雜的問(wèn)題。首先，文本作為人工設(shè)計(jì)的結(jié)構(gòu)，不同語(yǔ)言的文本會(huì)表現(xiàn)出不同的結(jié)構(gòu)特點(diǎn)，例如像中國(guó)、日本、韓國(guó)等東亞國(guó)家擁有大規(guī)模的字符集，復(fù)雜的字符結(jié)構(gòu)和多樣的字形。因此，使用一個(gè)簡(jiǎn)單的方法來(lái)檢測(cè)所有語(yǔ)言仍然難以實(shí)現(xiàn)。其次，

2、在圖像的采集過(guò)程中，不可避免會(huì)受到各種因素的影響，如不均勻光照、復(fù)雜的背景圖案等，這些都給文本檢測(cè)造成了困難。因此，自然場(chǎng)景圖像文本定位識(shí)別技術(shù)仍然是一個(gè)熱門的研究課題。
　　圖像文本定位作為圖像文本信息提取中關(guān)鍵的一步，其定位結(jié)果將直接影響著后續(xù)的文本識(shí)別OCR過(guò)程。這里，本文主要針對(duì)水平英文文本，研究設(shè)計(jì)了一種多分辨率策略的自然場(chǎng)景圖像文本定位框架，可以對(duì)自然場(chǎng)景文本圖像進(jìn)行由粗到精的定位提取，從而獲得文本區(qū)域圖像。
　

3、　首先，在文本區(qū)域粗定位階段，該框架會(huì)將每張圖像轉(zhuǎn)換為3個(gè)尺度，目的是能夠讓算法檢測(cè)出不同大小的字符。之后，通過(guò)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)提取的對(duì)象區(qū)域分類。在這一階段里，主要使用兩種方法獲得對(duì)象區(qū)域，第一種是基于最穩(wěn)定極值區(qū)域的提取方法，第二種是基于筆畫寬度變換的方法。實(shí)驗(yàn)結(jié)果證明，由于卷積神經(jīng)網(wǎng)絡(luò)能夠有效地檢測(cè)出可能存在的字符區(qū)域，所以圖像文本區(qū)域粗定位階段的性能效果主要受提取的對(duì)象區(qū)域集合的影響。在本文實(shí)驗(yàn)中，用基于最穩(wěn)定極值區(qū)域方法比

4、使用筆畫寬度變換方法得到的對(duì)象集更加完整。
　　然后，在文本區(qū)域精提取階段，本文首先設(shè)計(jì)了一套基于圖像灰度共生矩陣特征和對(duì)比度顯著性特征的規(guī)則來(lái)對(duì)多分辨率圖像的粗定位結(jié)果進(jìn)行融合。之后，為了去除假陽(yáng)性文本區(qū)域，本文將融合后的結(jié)果送入自適應(yīng)增強(qiáng)分類器，并得到最終的圖像文本行。其中，自適應(yīng)增強(qiáng)分類器是使用梯度方向直方圖作為特征描述器來(lái)進(jìn)行訓(xùn)練的。實(shí)驗(yàn)結(jié)果證明該階段的方法能夠有效地提高圖像文本定位的準(zhǔn)確率。
　　從本文設(shè)計(jì)的自然場(chǎng)