結(jié)合對(duì)立顏色理論與多核學(xué)習(xí)的場(chǎng)景文字檢測(cè)方法研究.pdf

1、文字作為重要的信息載體，從古至今在人類的生活中都扮演著非常重要的角色。在我們生活的周圍，文字隨處可見，比如廣告牌、海報(bào)、車牌、路標(biāo)、傳單等都包含了大量的文字。文字中承載的豐富語義信息，可以幫助我們更好地理解場(chǎng)景。因此，自然場(chǎng)景中的文字檢測(cè)對(duì)于大量的視覺應(yīng)用都有非常重要的研究價(jià)值，比如基于內(nèi)容的圖像檢索、輔助導(dǎo)航、智能交通、以及自動(dòng)地理編碼等等。然而，與傳統(tǒng)的文檔圖像不同，自然場(chǎng)景圖像的背景非常復(fù)雜并且圖像中的文字具有多樣性的特點(diǎn)。除此之

2、外，自然環(huán)境下還存在其他干擾因素，如不均勻光照、遮擋、模糊和變形等等，這些因素?zé)o疑給文字檢測(cè)帶來了巨大的挑戰(zhàn)。雖然近年來已有大量的方法提出，但如何從復(fù)雜的自然場(chǎng)景中快速而精確地定位出文本信息仍然是目前自然場(chǎng)景文字檢測(cè)領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。本文圍繞該問題展開研究，主要研究內(nèi)容包括：
　?。?）本文通過探究對(duì)立顏色理論，提出了在對(duì)立顏色通道上進(jìn)行最大穩(wěn)定極值區(qū)域(Maximally Stable Extremal Regions)抽取

3、，以彌補(bǔ)在灰度圖像上進(jìn)行MSER操作的不足。實(shí)驗(yàn)中采用對(duì)立顏色通道與灰度圖組成的多顏色通道進(jìn)行文本檢測(cè)，并探究了不同的多顏色通道組合方式對(duì)檢測(cè)結(jié)果的影響。
　?。?）本文在候選文本區(qū)域提取的基礎(chǔ)上，采用了兩個(gè)分類器，一個(gè)字符區(qū)域分類器和一個(gè)文本行分類器，依次對(duì)非文本區(qū)域進(jìn)行過濾。并引進(jìn)核描述子來進(jìn)行圖像特征表示，分別使用像素點(diǎn)梯度、顏色和局部二值模式來構(gòu)造不同的核描述子。依據(jù)核描述子方法的特性，本文可以采用線性SVM方法來訓(xùn)練兩個(gè)

4、分類器。
　　（3）考慮到分類時(shí)每個(gè)特征的重要性是不一樣的，為了使分類效果達(dá)到最佳，本文提出使用多核學(xué)習(xí)的方法來學(xué)習(xí)每個(gè)特征的相對(duì)重要性，通過自適應(yīng)得到每個(gè)特征的權(quán)重系數(shù)，可以有效地解決多特征分類存在的缺陷，提高最后分類器的性能。
　　本文在兩個(gè)公共數(shù)據(jù)集ICDAR2003和ICDAR2011上進(jìn)行實(shí)驗(yàn)，并將實(shí)驗(yàn)結(jié)果與目前主流的場(chǎng)景文本檢測(cè)算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，本文提出的自然場(chǎng)景文本檢測(cè)算法具有較好的檢測(cè)性能，并能在一