結合對立顏色理論與多核學習的場景文字檢測方法研究.pdf

1、文字作為重要的信息載體，從古至今在人類的生活中都扮演著非常重要的角色。在我們生活的周圍，文字隨處可見，比如廣告牌、海報、車牌、路標、傳單等都包含了大量的文字。文字中承載的豐富語義信息，可以幫助我們更好地理解場景。因此，自然場景中的文字檢測對于大量的視覺應用都有非常重要的研究價值，比如基于內容的圖像檢索、輔助導航、智能交通、以及自動地理編碼等等。然而，與傳統(tǒng)的文檔圖像不同，自然場景圖像的背景非常復雜并且圖像中的文字具有多樣性的特點。除此之

2、外，自然環(huán)境下還存在其他干擾因素，如不均勻光照、遮擋、模糊和變形等等，這些因素無疑給文字檢測帶來了巨大的挑戰(zhàn)。雖然近年來已有大量的方法提出，但如何從復雜的自然場景中快速而精確地定位出文本信息仍然是目前自然場景文字檢測領域的研究熱點和難點。本文圍繞該問題展開研究，主要研究內容包括：
　　（1）本文通過探究對立顏色理論，提出了在對立顏色通道上進行最大穩(wěn)定極值區(qū)域(Maximally Stable Extremal Regions)抽取

3、，以彌補在灰度圖像上進行MSER操作的不足。實驗中采用對立顏色通道與灰度圖組成的多顏色通道進行文本檢測，并探究了不同的多顏色通道組合方式對檢測結果的影響。
　?。?）本文在候選文本區(qū)域提取的基礎上，采用了兩個分類器，一個字符區(qū)域分類器和一個文本行分類器，依次對非文本區(qū)域進行過濾。并引進核描述子來進行圖像特征表示，分別使用像素點梯度、顏色和局部二值模式來構造不同的核描述子。依據核描述子方法的特性，本文可以采用線性SVM方法來訓練兩個

4、分類器。
　?。?）考慮到分類時每個特征的重要性是不一樣的，為了使分類效果達到最佳，本文提出使用多核學習的方法來學習每個特征的相對重要性，通過自適應得到每個特征的權重系數，可以有效地解決多特征分類存在的缺陷，提高最后分類器的性能。
　　本文在兩個公共數據集ICDAR2003和ICDAR2011上進行實驗，并將實驗結果與目前主流的場景文本檢測算法進行比較。實驗結果表明，本文提出的自然場景文本檢測算法具有較好的檢測性能，并能在一