面向屏幕渲染圖像的文字檢測與識別研究.pdf

1、屏幕渲染文本圖像上的文字識別，在自動化測試和在線詞典等場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、小字體和低對比度等特性，現(xiàn)有的文字識別方法在屏幕渲染文本圖像上的中英文混合識別面臨著極大的挑戰(zhàn)。
　　本文結(jié)合深度學(xué)習(xí)模型對屏幕渲染文本圖像中的中英文混合識別問題展開相關(guān)研究。本文的工作主要包含以下兩個方面:
　　1)基于字符分割方法的屏幕渲染文本檢測與識別
　　針對屏幕渲染文本圖像的特性，本文提出了

2、一種基于HCCR-GoogLeNet的有分割文字識別方法。該方法首先使用OTSU二值化、膨脹、連通域檢測、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字符。然后使用字寬融合對誤分割的字符進行校正。最后結(jié)合HCCR-GoogLeNet使用四個inception-V2模塊設(shè)計了一個精簡的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)集上的實驗結(jié)果證明了該方法的性能和實用性。
　　

3、2)基于無分割端到端方法的屏幕渲染文本檢測與識別
　　在基于分割的識別方法中，會存在字符分割困難的問題。為了解決此問題，本文進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)和時間序列分類的無分割識別方法。該方法使用OTSU二值化、膨脹、連通域檢測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)完成對不定長文本行的識別，該方法使用深度殘差網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和時間序列分類構(gòu)造出了一個不定長文本行識別模型。在公開數(shù)據(jù)集CVL