基于無監(jiān)督學(xué)習(xí)的銘牌文字定位和識(shí)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(chǎng)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(chǎng)景圖像中的文字定位和識(shí)別也一直受到學(xué)界業(yè)界的關(guān)注。銘牌圖像是場(chǎng)景圖像中的一個(gè)特殊領(lǐng)域，銘牌圖像識(shí)別對(duì)于電力相關(guān)企業(yè)對(duì)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(duì)掃描文檔的

2、OCR方法很難做到復(fù)雜場(chǎng)景中的文字識(shí)別;現(xiàn)有的場(chǎng)景文字識(shí)別方法又通常只針對(duì)自然圖像中的英文字符，雖已對(duì)英文有了不錯(cuò)的識(shí)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(shí)別領(lǐng)域一直沒有明顯的突破。鑒于現(xiàn)有的識(shí)別方法無法直接滿足銘牌文字在定位和識(shí)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(chǎng)景中對(duì)漢文字的定位和識(shí)別進(jìn)行研究，并對(duì)特定領(lǐng)域——銘牌識(shí)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(shí)別問題，主要研究?jī)?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(duì)后續(xù)銘牌文字定位、識(shí)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(shí)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(shí)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(shí)別。一方面PCAnet提取了高表征力的特征，識(shí)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(duì)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(shí)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(guó)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(shí)別準(zhǔn)確率，對(duì)于銘牌識(shí)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(shí)別方法不僅適用于銘牌識(shí)別，只需對(duì)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