自然場(chǎng)景中字符處理方法研究.pdf

1、自然場(chǎng)景中的文本廣泛存在于道路指示牌、廣告牌、車牌、各類儀表等場(chǎng)景中。字符檢測(cè)與識(shí)別日益成為計(jì)算機(jī)視覺和文檔分析領(lǐng)域的一個(gè)熱門研究問題。然而自然場(chǎng)景中文本的檢測(cè)和識(shí)別是一個(gè)極具挑戰(zhàn)的問題，困難主要來源于文本的多樣性、背景的復(fù)雜性和成像過程中引入的干擾因素等。如果直接將原始自然場(chǎng)景圖像送入文本識(shí)別器會(huì)造成諸多不良問題，如識(shí)別錯(cuò)誤、遺漏文本和無法識(shí)別等。因此，精確的文本檢測(cè)定位算法將極大地提升自然場(chǎng)景中文本識(shí)別和語(yǔ)義理解的準(zhǔn)確度。本文研究自

2、然場(chǎng)景中字符處理的方法主要針對(duì)自然場(chǎng)景中文本檢測(cè)，目的是能夠準(zhǔn)確定位出自然場(chǎng)景中的文本，為后續(xù)字符識(shí)別的可靠性提供保證。本文主要工作內(nèi)容如下：
　　1、研究了基于 MSER的字符檢測(cè)算法，針對(duì)該算法無法檢測(cè)低對(duì)比度圖像中文本的問題，本文提出了一種基于Retinex的多顏色空間MSER字符檢測(cè)方法。該方法利用Retinex增強(qiáng)算法提升圖像的對(duì)比度，并分別提取灰度圖像和HSI顏色空間中亮度通道圖像的MSER，結(jié)合二者的最大穩(wěn)定極值區(qū)域

3、獲得文本候選區(qū)域。經(jīng)測(cè)試，改進(jìn)方法在圖像受光照強(qiáng)度影響時(shí)能有效提升字符檢測(cè)性能，從而擴(kuò)大基于MSER字符檢測(cè)方法的應(yīng)用范圍。
　　2、研究了自然場(chǎng)景中字符處理的常用算法，針對(duì)單一的檢測(cè)算法對(duì)復(fù)雜背景的圖像檢測(cè)效果較差的問題，本文提出了基于MSER與SWT融合的字符檢測(cè)方法。該方法首先通過計(jì)算MSER和SWT獲得連通區(qū)域，然后基于二者提取到的連通區(qū)域的距離關(guān)系進(jìn)行融合獲得候選文本區(qū)域。經(jīng)測(cè)試，該方法能有效提升復(fù)雜背景圖像中字符檢測(cè)的

4、性能。
　　3、分析復(fù)雜背景圖像字符檢測(cè)的結(jié)果，針對(duì)結(jié)果虛警率過高的問題，提出了對(duì)字符檢測(cè)結(jié)果利用分類器進(jìn)行二次驗(yàn)證的方法。該方法利用隨機(jī)森林決策樹訓(xùn)練樣本，然后利用訓(xùn)練后的分類器對(duì)已經(jīng)檢測(cè)到的文本區(qū)域進(jìn)行二次驗(yàn)證，從而獲得最終的文本定位結(jié)果。經(jīng)測(cè)試，改進(jìn)方法能有效降低文本檢測(cè)結(jié)果的虛警率。
　　4、分析了用于訓(xùn)練字符分類器的特征，針對(duì)單一的特征并不能達(dá)到很好的分類效果這一問題，本文提出了多特征融合構(gòu)成字符特征的方法。該方法