基于無監(jiān)督學(xué)習(xí)的銘牌文字定位和識別.pdf

1、文字是表達(dá)人類思想和情感的重要載體，獲取自然場景圖像中的文字信息從而實(shí)現(xiàn)圖像內(nèi)容的理解，將為人們的生活提供極大的便利，因此場景圖像中的文字定位和識別也一直受到學(xué)界業(yè)界的關(guān)注。銘牌圖像是場景圖像中的一個(gè)特殊領(lǐng)域，銘牌圖像識別對于電力相關(guān)企業(yè)對設(shè)備進(jìn)行管理、維護(hù)和檢修等具有重要的意義，但由于銘牌本身材質(zhì)特殊加之所處環(huán)境惡劣，銘牌圖像常常存在著反光、污漬、模糊、劃痕等退化，這為銘牌文字信息的獲取帶來了諸多困難。
　　傳統(tǒng)的針對掃描文檔的

2、OCR方法很難做到復(fù)雜場景中的文字識別;現(xiàn)有的場景文字識別方法又通常只針對自然圖像中的英文字符，雖已對英文有了不錯(cuò)的識別成果，但由于漢語文字類數(shù)多、結(jié)構(gòu)復(fù)雜的特殊性，在漢字識別領(lǐng)域一直沒有明顯的突破。鑒于現(xiàn)有的識別方法無法直接滿足銘牌文字在定位和識別方面的任務(wù)要求，因此本課題將圍繞無監(jiān)督學(xué)習(xí)在自然場景中對漢文字的定位和識別進(jìn)行研究，并對特定領(lǐng)域——銘牌識別規(guī)劃具體的解決方案。
　　本文在深度學(xué)習(xí)架構(gòu)下，將無監(jiān)督學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)相

3、結(jié)合，以解決銘牌文字定位和識別問題，主要研究內(nèi)容與成果如下:
　　1.提出基于K均值無監(jiān)督預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的銘牌文字定位方法。首先通過多尺度Retinex法和四點(diǎn)法作為預(yù)處理，解決不均勻光照和圖像畸變等對后續(xù)銘牌文字定位、識別的影響。再利用k均值聚類法無監(jiān)督初始化卷積神經(jīng)網(wǎng)絡(luò)，并以此獲得符合漢字結(jié)構(gòu)的魯棒特征用于銘牌文字定位，該定位方法可以很好解決銘牌圖像分辨率差、圖像退化嚴(yán)重導(dǎo)致難以定位的應(yīng)用難題。
　　2.提出基于PC

4、A預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的銘牌文字識別的方法。首先，給出一種改進(jìn)的Bradley二值化預(yù)處理方法二值化銘牌文字圖像，以減少分類難度;其次，利用投影法兩次裁剪以便從詞條中獲得待識別單字;最后采用PCA無監(jiān)督預(yù)訓(xùn)練方式與CNN結(jié)合的PCAnet卷積神經(jīng)網(wǎng)絡(luò)用作銘牌文字識別。一方面PCAnet提取了高表征力的特征，識別準(zhǔn)確率優(yōu)于人工設(shè)計(jì)特征的淺層算法;另一方面利用了PCAnet可以利用大量的無標(biāo)數(shù)據(jù)以及訓(xùn)練速度更快等特點(diǎn)，以應(yīng)對漢字字符種類繁多且

5、容易獲得大量無標(biāo)樣本以及銘牌識別字庫更新頻繁需要頻繁訓(xùn)練網(wǎng)絡(luò)的問題。
　　本文中提出的方案在由國家電網(wǎng)提供的圖像庫上進(jìn)行了驗(yàn)證，獲得了98.14％的定位準(zhǔn)確率和94.47％識別準(zhǔn)確率，對于銘牌識別問題提供了一種只需拍照即可以獲取銘牌文字信息的有效方案。值得指出的是，本文中提出的定位識別方法不僅適用于銘牌識別，只需對訓(xùn)練庫稍作改動(dòng)，就可以為車牌、廣告牌等領(lǐng)域的文字獲取提供良好的可行解決方案。這種將無監(jiān)督學(xué)習(xí)應(yīng)用于深度網(wǎng)絡(luò)系統(tǒng)學(xué)習(xí)訓(xùn)練