基于組件樹和霍夫森林的文字檢測與識別.pdf

1、自然場景中的文字檢測與識別是圖像理解中的重要部分，不僅可用于圖像標注，還可用于視頻監(jiān)控分析、基于位置的服務(wù)和實時翻譯等領(lǐng)域。由于自然場景的復(fù)雜性，以及文字本身的多樣性，目前還沒有針對該問題的完善的解決方案。在現(xiàn)有大部分的系統(tǒng)設(shè)計中，檢測和識別被看成是孤立的兩部分分別獨立進行處理，識別任務(wù)要求以精確的定位為前提，在檢測的過程中沒有充分利用文字本身的差異性特征。
　　本文提出兩種有效的解決方案。第一種方案，利用深度卷積自編碼網(wǎng)絡(luò)進行無

2、監(jiān)督特征學(xué)習(xí)，并使用稀疏編碼對多尺度下的特征進行融合，實現(xiàn)了復(fù)雜場景下的文字定位。該方案雖然檢測效果良好，但計算量較大，不能滿足實時的需求。第二種方案，本文提出使用多類霍夫森林建立一個統(tǒng)一的檢測識別框架，避免檢測和識別問題的割裂，有效提高了系統(tǒng)的整體計算效率和檢測的準確度。針對霍夫森林在類別增多時識別率下降，以及在尺度多變的情況下定位偏移的問題，本文提出以使用組件樹提取文字候選區(qū)域，有效去除大量的背景區(qū)域，并確定目標的尺度大小，有效解決

3、了定位偏移的問題。
　　本文的主要工作如下：
　　1.提出通過深度卷積自編碼網(wǎng)絡(luò)進行無監(jiān)督特征學(xué)習(xí)，以及利用稀疏編碼對多尺度下的特征進行融合，應(yīng)用到自然場景下的文字定位問題中;
　　2.通過修改霍夫森林的結(jié)點分割判決函數(shù)，把霍夫森林擴展為多類分類器，并應(yīng)用在文字檢測和識別上，建立一個統(tǒng)一的框架;
　　3.提出使用組件樹，并結(jié)合一組針對文字設(shè)計的特征提取文字的候選區(qū)域，同時確定目標的尺度大小，避免了在尺度不確定的情