自然場景圖像文本定位與識別.pdf

1、利用機器定位與識別自然場景圖像中的文本信息，不僅可以提高信息處理的效率，還能大幅簡化人們的工作，節(jié)省大量的勞動力，因此自然場景圖像文本定位與識別技術被用于生產(chǎn)與生活等各個領域。在文檔文本定位與識別技術較為成熟的今天，自然場景圖像文本定位與識別技術還是略顯不足，因此對于自然場景中文本的定位與識別算法依然是一個十分熱門的研究課題。本文通過對自然場景中英文文本與中文文本的分析，分別針對自然場景英文定位、中文定位以及場景漢字識別三個方面的不足提

2、出一些新的方法，因此本文的主要研究內容為:
　　第一，針對現(xiàn)有的自然場景英文文本定位算法對于傾斜文本定位效果不佳且運行速度較慢的問題，提出一種基于最大極值穩(wěn)定區(qū)域(Maximally Stable Extremal Regions，MSER)結合層次聚類的快速自然場景傾斜英文文本定位算法。算法首先通過MSER橢圓擬合算法快速地定位出圖像中疑似文本區(qū)域，并根據(jù)擬合橢圓自身與空間特征快速地濾除非文本區(qū)域。利用層次聚類的思想將分散的文本

3、區(qū)域由小至大層層融合，并且在融合的同時還能刪除遺漏的非文本區(qū)域，實現(xiàn)快速有效地對自然場圖像中傾斜的英文文本進行定位。
　　第二，針對當前自然場景中文文本定位算法中對于漢字筆畫融合效果不佳，且根據(jù)漢字連通區(qū)域形態(tài)特征的非文本區(qū)域過濾效果不佳的問題，提出一種MSER結合支持向量機(Support Vector Machine，SVM)的自然場景中文文本定位算法。這種算法首先通過MSER剪枝算法快速的定位出圖像中的候選筆畫區(qū)域，再利用一

4、種基于筆畫寬度變換(Stroke Width Transform，SWT)的動態(tài)閉運算筆畫融合算法有效地融合圖像中文字的筆畫，解決了筆畫融合不佳的問題。再對文本圖像提取Gabor與方向梯度直方圖特征(Histogram of Oriented Gradient，HOG)的388維特征，利用樣本訓練過后的SVM完成對非文本區(qū)域的過濾，在最后的自建中文定位數(shù)據(jù)集測試中也取得了預期的結果。
　　第三，針對傳統(tǒng)文字復雜度漢字識別中，文字復