自然場景下的文本定位與識別研究.pdf

1、自然場景中的文本檢測與識別，比如路邊或者建筑上的指示牌、交通標志、商品名稱等關鍵文本的檢測與識別是計算機視覺、機器人、盲人閱讀等領域的重要組成部分。隨著該領域的迅速發(fā)展，如何從場景圖片中高效地獲取文本信息成為近年來研究的熱點之一。自然場景下的文本檢測與識別包括字符區(qū)域檢測、文本行檢測和文本識別三個主要步驟。本文在研究和總結國內外優(yōu)秀算法策略的基礎上，根據自然場景下文本的特點，對以上三個部分進行了深入的研究，其主要內容如下:
　　(

2、1)針對不同的應用場景，設計了兩種字符區(qū)域檢測方法。首先，由于在圖像模糊、光照不均勻、弱光照等情況下，文本的邊緣部分會產生嚴重的畸變，導致字符區(qū)域檢測算法難以取得理想的效果。為了解決這個問題，本文利用物體顏色分布的空間局部性，設計一種多級二值化候選字符區(qū)域檢測方法，在綜合圖像的三個通道的基礎上使用多級二值化與兩趟連通域標記算法實現候選字符區(qū)域檢測。其次，考慮到大部分自然場景下，文本相對于背景具有清晰的輪廓，為了提高在這些場景下的文本檢測

3、速度，設計了一種基于圖像分層的候選字符區(qū)域定位方法，該方法將圖像看成由一系列組件堆疊而成的樹模型，利用組件檢測的方法檢測候選字符區(qū)域，并且根據字符在整個圖像樹中的分布特點，去除部分非字符區(qū)域，有效地提高了檢測的速度。
　　(2)為了整合字符區(qū)域中可能包含的文本行并且考慮到自然場景中的文本行可能以任意排列方向呈現，設計了一種基于圖模型的文本行檢測方法。該方法首先根據字符區(qū)域的空間分布信息和幾何信息構建圖模型，然后使用基于圖的搜索策略

4、進行檢測候選文本行，最后為了去除非文本行，提取候選文本行中各個區(qū)域的聯合特征和根據傾斜方向自適應調整的整體特征，使用Adaboost分類器進行分類，結果表明該方法對任意方向文本行都具有很好的檢測效果。
　　(3)針對文本識別，使用Tesseract OCR與Google拼寫校對相結合的識別方法。由于自然場景中文本的復雜性，導致Tesseract OCR難以取得理想的效果，為了解決這個問題，首先，在使用Tesseract OCR識別