嵌入式平臺(tái)下場(chǎng)景圖片中文字定位與識(shí)別的實(shí)現(xiàn).pdf

1、在互聯(lián)網(wǎng)急速發(fā)展的今天，多媒體技術(shù)無(wú)不充斥著我們生活的方方面面，而作為信息豐富載體的圖像，更是成了人們關(guān)注的主要對(duì)象。如何從復(fù)雜的圖像中獲取我們所需要的信息，成為人們今天關(guān)注的熱點(diǎn)，而以場(chǎng)景文本為代表的圖像，更是與我們的生活密切相關(guān)。
　　本文從獲取場(chǎng)景文本、場(chǎng)景文本中文字的定位和場(chǎng)景文本中文字的識(shí)別三個(gè)方面展開(kāi)。
　　在場(chǎng)景文本獲取中，主要用到V4L2視頻技術(shù)以及OpenCV相關(guān)庫(kù)函數(shù)，并用交叉編譯器完成程序的移植。

2、>　　在場(chǎng)景文本定位模塊中，首先用到基于邊緣檢測(cè)方法完成對(duì)場(chǎng)景文本中文本域的粗定位，再根據(jù)灰度檢測(cè)結(jié)果，將二者的連通域相融合，進(jìn)一步來(lái)排除噪聲的干擾，完成文本域的精確定位。
　　在場(chǎng)景文本文字識(shí)別模塊中，首先對(duì)文本塊進(jìn)行預(yù)處理，再訓(xùn)練訓(xùn)練集，在訓(xùn)練時(shí)要對(duì)訓(xùn)練集進(jìn)行梯度特征提取和降維，之后一次加載訓(xùn)練集，用MQDF分類(lèi)器來(lái)識(shí)別文本塊，并把文字信息顯示在輸出界面上，最后通過(guò)微軟TTS語(yǔ)音庫(kù)把文本朗讀。
　　該系統(tǒng)滿足一般的場(chǎng)景需

3、求，未來(lái)可以用來(lái)處理一般的場(chǎng)景文本，包括馬路邊的廣告牌、交通指示牌、宣傳條幅、旅游廣告牌、車(chē)牌等等。
　　(1)通過(guò)把書(shū)籍或報(bào)紙上的文字轉(zhuǎn)化為語(yǔ)音，來(lái)幫助有視覺(jué)障礙的殘疾人，豐富他們的業(yè)余文化生活。
　　(2)通過(guò)對(duì)高速路指示標(biāo)志的識(shí)別，來(lái)提醒疲勞中的司機(jī)。
　　(3)通過(guò)對(duì)各大旅游景點(diǎn)指示標(biāo)志的識(shí)別，并轉(zhuǎn)化為該國(guó)游客的母語(yǔ)語(yǔ)音輸出，方便他們旅游。
　　(4)對(duì)文獻(xiàn)的電子化管理，汽車(chē)自動(dòng)駕駛，危險(xiǎn)預(yù)防等也有重要幫