自然場景圖像中的文本定位和提取算法研究.pdf

1、近些年來，隨著互聯(lián)網(wǎng)技術(shù)和信息技術(shù)的飛速發(fā)展，手機、數(shù)碼相機等便攜式設(shè)備的普及，人們可以根據(jù)需要隨時隨地獲取圖像并上傳到網(wǎng)絡(luò)。而文字，作為人與人之間交流的媒介，也是信息傳遞的重要方式。但是自然場景圖像中的文本提取仍然是一個復雜的問題。首先，文本作為人工設(shè)計的結(jié)構(gòu)，不同語言的文本會表現(xiàn)出不同的結(jié)構(gòu)特點，例如像中國、日本、韓國等東亞國家擁有大規(guī)模的字符集，復雜的字符結(jié)構(gòu)和多樣的字形。因此，使用一個簡單的方法來檢測所有語言仍然難以實現(xiàn)。其次，

2、在圖像的采集過程中，不可避免會受到各種因素的影響，如不均勻光照、復雜的背景圖案等，這些都給文本檢測造成了困難。因此，自然場景圖像文本定位識別技術(shù)仍然是一個熱門的研究課題。
　　圖像文本定位作為圖像文本信息提取中關(guān)鍵的一步，其定位結(jié)果將直接影響著后續(xù)的文本識別OCR過程。這里，本文主要針對水平英文文本，研究設(shè)計了一種多分辨率策略的自然場景圖像文本定位框架，可以對自然場景文本圖像進行由粗到精的定位提取，從而獲得文本區(qū)域圖像。
　

3、　首先，在文本區(qū)域粗定位階段，該框架會將每張圖像轉(zhuǎn)換為3個尺度，目的是能夠讓算法檢測出不同大小的字符。之后，通過訓練卷積神經(jīng)網(wǎng)絡(luò)來對提取的對象區(qū)域分類。在這一階段里，主要使用兩種方法獲得對象區(qū)域，第一種是基于最穩(wěn)定極值區(qū)域的提取方法，第二種是基于筆畫寬度變換的方法。實驗結(jié)果證明，由于卷積神經(jīng)網(wǎng)絡(luò)能夠有效地檢測出可能存在的字符區(qū)域，所以圖像文本區(qū)域粗定位階段的性能效果主要受提取的對象區(qū)域集合的影響。在本文實驗中，用基于最穩(wěn)定極值區(qū)域方法比

4、使用筆畫寬度變換方法得到的對象集更加完整。
　　然后，在文本區(qū)域精提取階段，本文首先設(shè)計了一套基于圖像灰度共生矩陣特征和對比度顯著性特征的規(guī)則來對多分辨率圖像的粗定位結(jié)果進行融合。之后，為了去除假陽性文本區(qū)域，本文將融合后的結(jié)果送入自適應增強分類器，并得到最終的圖像文本行。其中，自適應增強分類器是使用梯度方向直方圖作為特征描述器來進行訓練的。實驗結(jié)果證明該階段的方法能夠有效地提高圖像文本定位的準確率。
　　從本文設(shè)計的自然場