基于連通域的文本定位方法研究.pdf

1、文本定位是指從含有字符的復(fù)雜背景圖像中檢測或者定位出字符所在的區(qū)域。有效的文本定位方法可以將現(xiàn)有的光學(xué)字符識別技術(shù)擴(kuò)展到更為廣泛的實(shí)際應(yīng)用中，例如：基于內(nèi)容的圖像和視頻檢索，車牌定位與識別等。如何有效而且快速的從復(fù)雜背景圖像中提取出文本區(qū)域成為當(dāng)前文檔分析與識別領(lǐng)域研究的一個熱點(diǎn)問題。 本文考察了現(xiàn)有的主要文本定位方法，分析了其中的優(yōu)缺點(diǎn)，提出了基于連通域和神經(jīng)網(wǎng)絡(luò)的文本區(qū)域定位方法。該方法能夠有效而且快速的實(shí)現(xiàn)對文本區(qū)域的定位

2、，并且對字符的大小、顏色、字體能達(dá)到很好的魯棒性。 基于連通域的文本區(qū)域定位方法主要有五個部分構(gòu)成。首先運(yùn)用改進(jìn)的Niblack分割方法對輸入的圖像進(jìn)行分割。然后對分割結(jié)果進(jìn)行連通性分析得到候選的連通域集合。再從連通域中提取出各種有效的特征，將這些特征運(yùn)用一個級聯(lián)閾值分類器結(jié)構(gòu)對連通域進(jìn)行確認(rèn)是否為字符連通域。 本文將BP神經(jīng)網(wǎng)絡(luò)分類方法引入到字符連通域的識別上，將獲得的連通域特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入。用手工獲得的字符

3、連通域樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，訓(xùn)練之后的BP神經(jīng)網(wǎng)絡(luò)能夠?qū)壜?lián)閾值分類器結(jié)構(gòu)無法識別的連通域進(jìn)行有效的識別，提高了字符定位的準(zhǔn)確率。 本文還提出了基于最小生成樹方法將字符連通域聯(lián)合成文本區(qū)域的方法。假設(shè)在同一文本區(qū)域的字符連通域具有類似的特征(相近的顏色和大小等)以及相近的距離。根據(jù)兩個連通域特征的相似性與位置關(guān)系構(gòu)建字符連通域之間一條邊的權(quán)值。遍歷所有的字符連通域，則將字符連通域集合構(gòu)建成了一張無向帶權(quán)值的圖。使用最小生成樹和一個閾