基于多方法融合的文本定位算法的設(shè)計與實現(xiàn).pdf

1、自然場景文本定位是一個具有很大難度和挑戰(zhàn)性的研究課題。自然場景圖像中包含許多有用的信息，如商店名稱、街道名稱、交通標(biāo)識等。準(zhǔn)確地從自然場景圖像中獲取文本信息是數(shù)字圖像處理中一個重要的研究內(nèi)容。要提取自然場景中的文本，首先要找到文本的區(qū)域，然后才能交給文本識別模塊OCR進(jìn)行識別。雖然已有許多研究者對自然場景的文本識別做了深入的研究，但就目前的發(fā)展?fàn)顩r來看，自然場景文本識別準(zhǔn)確性遠(yuǎn)不及人們所期望的效果。
　　 本文考察了現(xiàn)有的主要文

2、本定位方法與目前研究所面臨的難題，分析了主要文本定位方法的優(yōu)缺點，提出了基于多方法融合的文本定位算法。該算法既考慮文本的形狀邊緣信息，又考慮文本的顏色信息，充分利用了基于邊緣、基于學(xué)習(xí)和基于區(qū)域三種方法的優(yōu)點。
　　 本文設(shè)計的算法包括預(yù)處理、金字塔分解、邊緣提取、形態(tài)學(xué)運算、先驗知識限制、各子圖像結(jié)果合成、備選文本區(qū)域提取、神經(jīng)網(wǎng)絡(luò)分類和連通區(qū)域分析九個步驟。首先運用彩色邊緣檢測方法對金字塔分解子圖進(jìn)行邊緣提取，然后用數(shù)學(xué)形態(tài)

3、學(xué)進(jìn)行文本定位，從而得到一個備選文本區(qū)域集。將備選文本區(qū)域集標(biāo)記為文本區(qū)域和非文木區(qū)域，并作為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的訓(xùn)練集，最后用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對輸入圖像的備選文本區(qū)域集進(jìn)行分類，獲得輸入圖像的文本區(qū)域。
　　 在邊緣提取階段，為了滿足文本區(qū)域定位的具體要求，本文在分析經(jīng)典邊緣檢測算子的基礎(chǔ)上，提出了一種CROstu彩色邊緣檢測方法。經(jīng)該方法處理后的文本區(qū)域更清晰，且字符形狀保持較好。在神經(jīng)網(wǎng)絡(luò)分類階段，我們使用方形區(qū)域內(nèi)“米”形范圍