基于自然場(chǎng)景的圖像文字識(shí)別.pdf

1、隨著計(jì)算機(jī)科學(xué)、人工智能以及多媒體技術(shù)等學(xué)科的發(fā)展,以及各類具有攝像功能的移動(dòng)電子設(shè)備逐漸普及,使得越來越多的信息載體以圖像形式存在。圖像中的文本識(shí)別對(duì)于基于內(nèi)容的圖像檢索具有重要意義,這些文字信息成為了理解圖像內(nèi)容的重要線索。而自然場(chǎng)景中存在著大量的文字信息,這些信息的獲取有利于場(chǎng)景內(nèi)容的描述與理解。
　　本文主要針對(duì)自然場(chǎng)景中文字識(shí)別的相關(guān)技術(shù)進(jìn)行研究,總結(jié)了國(guó)內(nèi)外在文字定位和提取技術(shù)以及文字識(shí)別方面的研究成果,重點(diǎn)探討識(shí)別過

2、程中各個(gè)步驟的實(shí)現(xiàn)過程,并對(duì)現(xiàn)有的一些算法進(jìn)行改進(jìn),并最終實(shí)現(xiàn)了自然場(chǎng)景中的文字提取以及識(shí)別。
　　本文主要的研究工作有:
　　(1)利用數(shù)字圖像處理技術(shù)對(duì)圖像進(jìn)行預(yù)處理,并改進(jìn)了基于直方圖均衡化的圖像增強(qiáng)算法以及基于直方圖分析和OTSU二值化算法;
　　(2)基于匹配小波的概念,提出了一種結(jié)合小波和馬爾科夫模型的文本定位方法;
　　(3)融合圖像處理,改進(jìn)了Google的字符識(shí)別工具Tesseract的識(shí)別率。