基于MSER的文本檢測(cè)方法研究.pdf

1、自然場(chǎng)景圖像中不僅含有豐富的圖像信息，同時(shí)含有大量的文本信息，這是對(duì)場(chǎng)景的重要補(bǔ)充，是對(duì)場(chǎng)景內(nèi)容理解的關(guān)鍵線索。隨著多媒體技術(shù)的發(fā)展，數(shù)字化視頻和圖像日益涌現(xiàn)，這給我們帶來(lái)豐富信息的同時(shí)，使得大量圖像數(shù)據(jù)激增。通過(guò)自然場(chǎng)景中的文本認(rèn)知獲取場(chǎng)景中的文本信息，有助于理解場(chǎng)景內(nèi)容，從海量的圖像數(shù)據(jù)中檢索、查詢(xún)、瀏覽場(chǎng)景圖像資料，提高圖像資料的管理效率，并且有效節(jié)約時(shí)間、減少成本，提高信息檢索技術(shù)的自動(dòng)化程度。
　　傳統(tǒng)的文檔圖像的文本檢

2、測(cè)和識(shí)別已經(jīng)日趨成熟，但是自然場(chǎng)景中的文本信息檢測(cè)和識(shí)別卻存在較多困難。自然場(chǎng)景圖像中文本的文字大小是任意的，排列和對(duì)齊方式是未知;光照因素往往對(duì)圖像中的文本顏色，亮度，對(duì)比度等產(chǎn)生影響;拍攝角度的不同，很容易使文本信息產(chǎn)生幾何變形，字符斷裂等現(xiàn)象，另外由于自然環(huán)境的影響，也會(huì)降低所拍攝的照片的質(zhì)量。因此自然場(chǎng)景中的文本檢測(cè)和識(shí)別常常會(huì)遇到諸多困難。
　　自然場(chǎng)景中的文本檢測(cè)是檢測(cè)圖像中是否含有文本信息，并確定文本信息的位置。本文

3、的主要工作如下:
　　將最大極值穩(wěn)定區(qū)域(Maximally Stable Extremal Regions)應(yīng)用于文字檢測(cè)。MSER是當(dāng)使用不同的灰度閾值時(shí)，圖像所具有的的最穩(wěn)定的區(qū)域，具有仿射不變性。而自然場(chǎng)景中的文本信息與背景具有明顯差異，并且具有區(qū)域穩(wěn)定性。利用MSER極好的仿射不變性，將圖像中穩(wěn)定的區(qū)域進(jìn)行提取，并從中篩選出文本區(qū)域信息，效果良好。但是存在顏色空間中各異的顏色，轉(zhuǎn)換為灰度值后，卻存在近似的現(xiàn)象，導(dǎo)致背景與