面向屏幕渲染圖像的文字檢測(cè)與識(shí)別研究.pdf

1、屏幕渲染文本圖像上的文字識(shí)別，在自動(dòng)化測(cè)試和在線詞典等場(chǎng)景下有著極其廣泛的應(yīng)用。但是，由于屏幕渲染文本圖像具有低分辨率、小字體和低對(duì)比度等特性，現(xiàn)有的文字識(shí)別方法在屏幕渲染文本圖像上的中英文混合識(shí)別面臨著極大的挑戰(zhàn)。
　　本文結(jié)合深度學(xué)習(xí)模型對(duì)屏幕渲染文本圖像中的中英文混合識(shí)別問題展開相關(guān)研究。本文的工作主要包含以下兩個(gè)方面:
　　1)基于字符分割方法的屏幕渲染文本檢測(cè)與識(shí)別
　　針對(duì)屏幕渲染文本圖像的特性，本文提出了

2、一種基于HCCR-GoogLeNet的有分割文字識(shí)別方法。該方法首先使用OTSU二值化、膨脹、連通域檢測(cè)、連通域融合和垂直投影法從屏幕渲染文本圖像中提取出單個(gè)字符。然后使用字寬融合對(duì)誤分割的字符進(jìn)行校正。最后結(jié)合HCCR-GoogLeNet使用四個(gè)inception-V2模塊設(shè)計(jì)了一個(gè)精簡(jiǎn)的GoogLeNet網(wǎng)絡(luò)。在公開數(shù)據(jù)集CIFAR-10與ICDAR2013和屏幕渲染文本圖像數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了該方法的性能和實(shí)用性。
　　

3、2)基于無分割端到端方法的屏幕渲染文本檢測(cè)與識(shí)別
　　在基于分割的識(shí)別方法中，會(huì)存在字符分割困難的問題。為了解決此問題，本文進(jìn)一步提出了一種基于深度殘差網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和時(shí)間序列分類的無分割識(shí)別方法。該方法使用OTSU二值化、膨脹、連通域檢測(cè)和連通域融合等方法從屏幕渲染文本圖像中提取出文本行。為了使網(wǎng)絡(luò)完成對(duì)不定長(zhǎng)文本行的識(shí)別，該方法使用深度殘差網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和時(shí)間序列分類構(gòu)造出了一個(gè)不定長(zhǎng)文本行識(shí)別模型。在公開數(shù)據(jù)集CVL