場(chǎng)景文字識(shí)別方法研究及其軟件實(shí)現(xiàn).pdf

1、在目前這個(gè)信息化的世界中,信息的傳遞顯得尤為重要,其中文字信息在現(xiàn)實(shí)環(huán)境中隨處可見,而識(shí)別其中的文本信息對(duì)獲取周圍環(huán)境的信息具有非常重要的作用,所以文字識(shí)別技術(shù)在近年來(lái)受到越來(lái)越多的重視?，F(xiàn)有的較為通用的文字識(shí)別技術(shù)OCR的局限性在于:OCR只能處理背景單一的文字圖片。在實(shí)際生活應(yīng)用中,待識(shí)別的文字圖片往往是直接來(lái)源于成像設(shè)備捕捉的自然場(chǎng)景圖片,該類圖片的特點(diǎn)是背景復(fù)雜且不可預(yù)測(cè),如果直接將此種圖片作為OCR的輸入進(jìn)行識(shí)別,效果往往是不

2、盡人意的。自然地,自然場(chǎng)景文字識(shí)別作為計(jì)算機(jī)視覺(jué)技術(shù)中的一種較為年輕的學(xué)科在近年來(lái)發(fā)展得非常迅速。
　　作為最常見的文字識(shí)別類型,英文識(shí)別的應(yīng)用最為廣泛。如何對(duì)輸入圖片進(jìn)行預(yù)處理,并對(duì)處理后的圖片來(lái)提取特征、訓(xùn)練分類器、抑制錯(cuò)誤結(jié)果和對(duì)最終結(jié)果進(jìn)行判別和修正,是英文文字識(shí)別中的一些值得深入研究的問(wèn)題?；趯?duì)上述問(wèn)題的考慮,及對(duì)結(jié)合近年的英文文字識(shí)別的方法的研究,本文對(duì)自然場(chǎng)景英文文字識(shí)別進(jìn)行相關(guān)研究,主要內(nèi)容有:
　　1.提

3、出了基于類間錯(cuò)分率的模糊類別劃分方案,本文通過(guò)計(jì)算目前最為通用的是62類英文字符分類的兩兩樣本間的錯(cuò)分概率,對(duì)類別進(jìn)行了模糊處理,通過(guò)降低類別空間,本方法從根本上提高了初始分類精度。
　　2.提出了基于圖像分割的方法預(yù)處理方法,對(duì)輸入待識(shí)別的自然場(chǎng)景圖片使用圖像分割方法進(jìn)行預(yù)處理,結(jié)合預(yù)處理結(jié)果,提出分離置信度SC的計(jì)算公式,并結(jié)合字符的縱橫比統(tǒng)計(jì)信息抑制大量滑動(dòng)窗口,最終將分離置信度加入所有的識(shí)別結(jié)果候選序列的最終識(shí)別分?jǐn)?shù)的計(jì)算

4、中,得到一系列分?jǐn)?shù)較高的識(shí)別結(jié)果。
　　3.提出了基于大樣本字典的定量修正識(shí)別單詞的準(zhǔn)則,對(duì)目前現(xiàn)有的根據(jù)字典信息對(duì)識(shí)別結(jié)果進(jìn)行修正的方法進(jìn)行了改進(jìn)。確定了根據(jù)識(shí)別結(jié)果中不同字符數(shù)的不同修正方法,并通過(guò)大量實(shí)驗(yàn)證明了本文提出的識(shí)別方法具有較好的識(shí)別精度和運(yùn)行速度。
　　本文提出的自然場(chǎng)景英文字符識(shí)別方法準(zhǔn)確度高,基于重新給定樣本空間的方法,提高了分類器的分類精度,且基于縱橫比的子窗口抑制方法更為合理地將子窗口數(shù)量降低了2個(gè)數(shù)