面向智能手機(jī)的復(fù)雜背景文字定位方法研究.pdf

1、隨著智能手機(jī)硬件的發(fā)展，電腦上的各種應(yīng)用紛紛的涌向了手機(jī)。人們漸漸的也會在手機(jī)上辦公和記錄筆記，手動(dòng)的輸入文字已經(jīng)不能滿足人們的要求，因此手機(jī)圖像文字識別、語音識別等技術(shù)的需求日益迫切。OCR技術(shù)逐漸成熟，可以直接將書本、電子文檔等背景比較單一的圖片轉(zhuǎn)化為計(jì)算機(jī)能識別的字方便人們存儲、修改。但是，當(dāng)在復(fù)雜背景的自然場景里的文字依舊不能很好的識別，其主要在于自然場景下背景復(fù)雜，存在著光照不均勻、文字的傾斜、紋理復(fù)雜和手機(jī)計(jì)算能力限制等諸多

2、問題導(dǎo)致文字的定位效果不好，以至于最終的識別準(zhǔn)確率較低。
　　針對于這些問題通過對當(dāng)前的國內(nèi)外的復(fù)雜背景下文字定位技術(shù)研究,本文以手機(jī)作為平臺提出了復(fù)雜背景下的預(yù)選文本區(qū)域的提取算法和基于閉合區(qū)間的顏色聚類定位算法。
　　預(yù)選文本區(qū)域的提取首先通過對原手機(jī)圖像進(jìn)行縮放、灰度化、去噪等預(yù)處理操作，然后對原圖像進(jìn)行邊緣提取、去長條操作，最后通過邊緣圖的連通域?qū)D像進(jìn)行分層二值化將文字與背景分離,并對二值化后的連通域進(jìn)行分析和去背

3、景操作，從而得到最終的純色連通域（即文本預(yù)選區(qū)域）。
　　基于閉合區(qū)間的顏色聚類定位是通過對預(yù)選區(qū)域構(gòu)造連通域集，然后根據(jù)連通域的外接矩陣和顏色聚類相結(jié)合與周圍連通域構(gòu)造閉合區(qū)間，并根據(jù)閉合區(qū)間的特征與漢字結(jié)構(gòu)特征去掉非文字的閉合區(qū)間，最終達(dá)到定位、分割的目的，最后通過顏色聚類的方式找回誤刪的文字區(qū)域。
　　本文最后還根據(jù)提出的定位算法與已有的文字識別Tesseract-OCR工具相結(jié)合實(shí)現(xiàn)了復(fù)雜背景下的文字定位識別系統(tǒng)，證