面向自然場(chǎng)景圖像中的中文文本定位技術(shù)研究.pdf

1、自然場(chǎng)景圖像中的文本蘊(yùn)含豐富的信息，因此提取這些信息對(duì)自然場(chǎng)景的理解具有重要作用。近年來(lái)，自然場(chǎng)景圖像中文本的提取有效促進(jìn)了基于內(nèi)容的圖像檢索和視頻檢索、網(wǎng)絡(luò)安全、視覺(jué)輔助系統(tǒng)、旅游輔助系統(tǒng)等領(lǐng)域的發(fā)展。基于當(dāng)前的文本定位算法還遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到用戶的實(shí)際需求，并且主要是基于英文文本定位的研究，而中文字符與英文字符的特征存在很大差異。因此，本文主要研究中文文本定位方法，并最終實(shí)現(xiàn)了基于判別模型和生成模型的兩種定位算法。兩種定位算法都主要由四大

2、部分組成：預(yù)處理、候選文本區(qū)域生成、特征提取以及文本區(qū)域分類。
　?。?）預(yù)處理及候選文本區(qū)域生成。在預(yù)處理部分，先提取彩色圖像邊緣再灰度化，采用改進(jìn) Niblack算法進(jìn)行二值化，提取更細(xì)致的圖像邊緣。在候選文本區(qū)域生成部分，首先去除長(zhǎng)直線和孤立噪點(diǎn)，再進(jìn)行形態(tài)學(xué)處理、連通區(qū)域分析與合并。實(shí)驗(yàn)結(jié)果表明，本文算法有效剔除了大部分非文本區(qū)域，有效為后續(xù)的文本定位和識(shí)別節(jié)省了大量的時(shí)間和計(jì)算量。
　?。?）特征提取。本文提出使用

3、PHOG-Gabor4特征來(lái)表征中文字符特征，多尺度的PHOG特征用來(lái)描述輪廓信息及其空間分布，多方向多尺度的Gabor特征來(lái)描述中文字符的結(jié)構(gòu)特征，再通過(guò)4種紋理特征對(duì)中文字符的描述進(jìn)行補(bǔ)充。實(shí)驗(yàn)結(jié)果表明，提出的紋理特征可有效表征中文字符紋理。
　?。?）文本區(qū)域分類。第一種定位方法中，本文采用判別模型SVM以及提升樹作為分類器。第二種定位方法中，本文提出使用生成模型Labeled-LDA作為文本分類器。實(shí)驗(yàn)結(jié)果表明，判別模型中

4、提升樹分類準(zhǔn)確率略優(yōu)于SVM，而Labeled-LDA進(jìn)一步提高了判別模型的分類準(zhǔn)確率。
　　最后，通過(guò)對(duì)ICDAR2003競(jìng)賽英文定位圖像庫(kù)進(jìn)行研究與分析，本文建立與之難度相當(dāng)?shù)闹形奈谋緢D像庫(kù)。在此庫(kù)基礎(chǔ)上，對(duì)提出的兩種中文文本定位算法進(jìn)行測(cè)試，并與其他算法進(jìn)行比較。基于判別模型提升樹的定位準(zhǔn)確率為0.83，召回率為0.86，基于 Labeled-LDA定位的準(zhǔn)確率為0.87，召回率為0.90。實(shí)驗(yàn)結(jié)果表明，提出的兩種定位算法優(yōu)