基于學(xué)習(xí)的自然背景中文本提取.pdf

1、自然背景中的文本識(shí)別具有巨大的應(yīng)用價(jià)值。但由于場(chǎng)景非常復(fù)雜，字符又形態(tài)多樣，其應(yīng)用一直受限于定位和分割技術(shù)的不足。本文經(jīng)過(guò)大量研究，提出了一種基于學(xué)習(xí)的自然場(chǎng)景中文本提取算法。該算法首先將原始圖片通過(guò)NLNiblack分解為許多連通分量，包括文本連通分量與非文本連通分量。為了達(dá)到從背景中定位與分割文本的目的，文本連通分量被保留同時(shí)非文本連通分量被丟棄。 本文共提出17個(gè)文本特征來(lái)區(qū)分文本連通分量與非文本連通分量。接著，本文算法用

2、一個(gè)級(jí)聯(lián)分類(lèi)器和一個(gè)SVM組成的兩階段分類(lèi)模型來(lái)驗(yàn)證這些連通分量。級(jí)聯(lián)分類(lèi)器由17個(gè)弱分類(lèi)器串聯(lián)組成，其中每個(gè)弱分類(lèi)器關(guān)注一個(gè)特征。級(jí)聯(lián)的第一個(gè)弱分類(lèi)器接受所有分解的連通分量，一旦判斷輸入連通分量是非文本則立即將其丟棄，否則傳入下一級(jí)弱分類(lèi)器。每一級(jí)弱分類(lèi)器都如此工作，直到整個(gè)級(jí)聯(lián)的結(jié)束。大多數(shù)非文本會(huì)被級(jí)聯(lián)分類(lèi)器過(guò)濾掉，而SVM則在此基礎(chǔ)上做進(jìn)一步的驗(yàn)證來(lái)取得更為精確的分類(lèi)結(jié)果。最終輸出是只有文本的二值圖像。這種基于兩階段分類(lèi)的模型有