基于幾何約束的筆劃寬度變換(SWT)算法及其字幕文本定位應(yīng)用.pdf

1、隨著移動(dòng)智能設(shè)備的發(fā)展，對(duì)自然場(chǎng)景圖像中文本的提取和理解的需求越來(lái)越大，其結(jié)果可以廣泛的應(yīng)用于社會(huì)機(jī)器人導(dǎo)航和交互、圖像檢索等領(lǐng)域，然而傳統(tǒng)的OCR技術(shù)只能分析掃描文檔，無(wú)法直接應(yīng)用于自然場(chǎng)景，關(guān)鍵原因就在于自然場(chǎng)景圖像文本定位的問(wèn)題，在自然場(chǎng)景圖像中文本和非文本混合在一起，而且文本區(qū)域出現(xiàn)的位置隨機(jī)，這給文本定位帶來(lái)了很大的挑戰(zhàn)。本文研究了自然場(chǎng)景圖像文本定位技術(shù)，利用全局性特征度量和幾何約束改進(jìn)了傳統(tǒng)筆劃寬度變換算法，實(shí)現(xiàn)了文本定位

2、整套系統(tǒng)，并在新聞視頻字幕文本定位中進(jìn)行了應(yīng)用。
　　本文的主要貢獻(xiàn)有以下三個(gè)方面：
　　首先，針對(duì)自然場(chǎng)景圖像文本區(qū)域通常具有高視覺(jué)顯著性、富邊緣密度和顏色一致性的特性，本文提取了候選字符和文本行的全局顯著性和邊緣密度特征。此外，將文本區(qū)域的位置和尺寸信息也轉(zhuǎn)換成了全局性的度量，彌補(bǔ)筆劃寬度變換算法對(duì)局部噪聲敏感的缺陷。
　　其次，本文在傳統(tǒng)的筆劃寬度變換算法基礎(chǔ)上進(jìn)行改進(jìn)，利用幾何約束降低了候選字符黏連的情況。本文

3、采用的的幾何約束規(guī)則融合了筆畫的寬度、顏色和方向特征，避免在筆劃射線查找過(guò)程中由于邊緣部分缺失而連接到非對(duì)稱性邊緣點(diǎn)上，從而形成黏連字符的情況。相比于傳統(tǒng)的筆劃寬度變換算法，對(duì)由于噪聲、模糊、低對(duì)比度等造成的邊緣缺失的情況下，幾何約束筆劃寬度變換提取出的筆劃特征值比原始的筆劃寬度變換算法更準(zhǔn)確，形成的候選字符質(zhì)量更高。由于幾何約束減少了無(wú)效筆劃射線的數(shù)量，使得候選文本像素更多的集中在文本區(qū)域，減少了非文本像素形成的候選字符區(qū)域，降低了字