基于局部特征的場景文本分析方法研究.pdf

1、圖像中的文本包含大量有價值的信息，是智能控制系統(tǒng)和信息檢索系統(tǒng)的重要處理對象。手機(jī)等便攜式圖像采集設(shè)備的普及使圖像和視頻數(shù)據(jù)的數(shù)量高速增長。利用計算機(jī)代替人來處理、識別和理解圖像中文本信息的需求越來越強(qiáng)烈?，F(xiàn)有技術(shù)條件下，計算機(jī)識別和理解圖像中文本信息的能力仍然難以滿足實際應(yīng)用的要求，有效地分析和提取圖像中文本信息，尤其是場景圖像中文本的分析技術(shù)是當(dāng)前急需解決的技術(shù)難題。
　　局部特征具有位移、尺度、旋轉(zhuǎn)乃至仿射不變等優(yōu)良特性，基

2、于局部特征的方法能夠在很大程度上克服場景圖像中不利因素的影響，有必要對局部特征方法在場景文本分析技術(shù)的應(yīng)用進(jìn)行系統(tǒng)化的研究。本文的研究工作著眼于利用局部特征的特性來提高場景文本分析方法的性能，對不同條件下基于局部特征的場景文本分析方法進(jìn)行了系統(tǒng)化的研究。
　　本文針對視頻中字幕文本的分析與處理問題，提出一種基于寬進(jìn)嚴(yán)出的策略的視頻文本檢測方法。該方法針對視頻幀中存在多種不同尺度的文本內(nèi)容的情況，通過在多個尺度上進(jìn)行基于局部特征的文

3、本區(qū)域檢測來提高系統(tǒng)的召回率。在此基礎(chǔ)上，本文提出一種基于筆劃寬度特征的文本區(qū)域鑒別方法，引入候選區(qū)域內(nèi)部筆劃寬度的分布信息來提高文本區(qū)域鑒別的準(zhǔn)確率。由于筆劃寬度提取過程中存在未知的極性參數(shù)，本文提出一種半監(jiān)督多示例學(xué)習(xí)算法，該方法能夠在監(jiān)督信息不完整的情況下獲取有效的文本區(qū)域分類器，從而更準(zhǔn)確地剔除候選區(qū)域中的非文本內(nèi)容。實驗表明上述方法具有較快的運(yùn)行效率和較高的召回率，準(zhǔn)確率也達(dá)到較高水平。
　　場景字符具有類別多，類內(nèi)差異

4、大的特點(diǎn)。傳統(tǒng)的OCR方法難以在場景字符識別任務(wù)中取得理想的效果。本文對場景字符的識別問題進(jìn)行研究，提出一種基于集成學(xué)習(xí)和模型壓縮的場景字符分類方法。集成學(xué)習(xí)方法能夠顯著地提高分類器的泛化能力，但集成分類器往往速度較慢，占用空間較多。為了解決這一問題，本文提出基于邊界樣本和局部分類器的模型壓縮方法，該方法能夠顯著地減少需要的偽樣本數(shù)量，高效地將集成分類器壓縮為更簡潔的壓縮分類器。此外，本文提出一種基于局部特征和時空直方圖的字符特征。實驗

5、結(jié)果證明上述兩種方法的結(jié)合能夠顯著地提高場景字符識別的準(zhǔn)確率。
　　受到圖像質(zhì)量和現(xiàn)有技術(shù)水平的限制，部分場景文本難以被準(zhǔn)確地分割成獨(dú)立的字符。本文針對這一現(xiàn)象提出了一種基于詞圖像的文本分析方法。該方法以詞圖像作為文本分析的最小單位，在視覺詞袋模型的基礎(chǔ)上，利用隨機(jī)森林投影方法對局部特征進(jìn)行編碼并計算詞圖像的的特征矢量。在訓(xùn)練隨機(jī)森林的過程中，該方法采用無監(jiān)督的方式，解決了場景圖像詞圖像樣本收集困難的問題。該方法具有快速性的特點(diǎn)，

6、并且能夠有效地描述詞圖像，具有良好的可靠性。詞圖像無監(jiān)督聚類實驗的結(jié)果證明了基于詞圖像的場景文本分析方法的可行性。
　　在復(fù)雜場景圖像中，文本區(qū)域檢測往往難以得到精確的結(jié)果，導(dǎo)致整個場景文本分析系統(tǒng)的性能下降。本文提出了基于Constellation字符模型的文本分析方法。該模型用局部特征的集合描述整個字符，使用概率模型對局部特征的表觀信息以及位置關(guān)系建模，進(jìn)而計算字符出現(xiàn)的概率。與基于全局特征的方法相比，Constellatio