面向自然場景的端對端英文文字識別研究.pdf

1、隨著移動互聯(lián)網(wǎng)的飛速發(fā)展及智能手機等移動電子設(shè)備的普及，自然場景圖像的獲取和傳輸變得越來越便捷。自然場景圖像中的文本包含了豐富的信息，人們期待計算機能代替人類自動地檢測并提取圖像的文本信息。與傳統(tǒng)的光學字符識別不同，自然場景中的文本信息提取面臨著字體多變、布局不一、背景復(fù)雜等問題。近年來，面向自然場景的文本識別研究雖然取得了一定的成果，但是與實際應(yīng)用的要求還存在較大的差距。因此，面向自然場景的端對端英文文字識別方法的研究不僅具有重要的理

2、論研究意義，而且具有廣闊的應(yīng)用前景。
　　本文旨在從自然場景圖像中提取精確文本位置和正確的文本信息，并構(gòu)建一個端對端的場景文本識別系統(tǒng)。針對現(xiàn)有研究方法中字符圖像特征表示能力不足及過分依賴復(fù)雜模型等問題，本文主要開展以下三方面的研究:(1)自然場景中字符的無監(jiān)督特征提取及其分層表示;(2)自然場景中的文本定位;(3)自然場景中端對端的文字識別系統(tǒng)的框架。本文的主要貢獻如下:
　　1.提出了基于卷積神經(jīng)網(wǎng)絡(luò)的無監(jiān)督特征分層表示

3、算法。我們先利用改進的K-means聚類方法從訓(xùn)練數(shù)據(jù)中獲得基向量，再結(jié)合卷積神經(jīng)網(wǎng)絡(luò)提取字符圖像的特征。
　　2.提出了由字符到字符串，再到單詞的文本分層定位框架。采用最大穩(wěn)定極值區(qū)域(MSER)算法提取字符候選區(qū)域。根據(jù)字符的空間布局等特征對多層特征過濾后的字符候選區(qū)域進行融合。設(shè)計了字符串的結(jié)構(gòu)特征，進一步提高文本檢測的準確率。
　　3.設(shè)計了端對端的場景文字識別算法框架，實現(xiàn)了實驗演示系統(tǒng)。我們把文本檢測與字符識別模