基于嵌入式平臺(tái)場(chǎng)景圖像文本提取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、自然場(chǎng)景圖像中嵌入的文本，是圖像高層語義內(nèi)容的有機(jī)組成部分。場(chǎng)景文本有諸多表現(xiàn)形式，如交通標(biāo)志牌、字幕、商店名稱、文本條幅、建筑物額匾等，這些信息可以為場(chǎng)景理解提供極有價(jià)值的幫助。對(duì)自然場(chǎng)景圖像中文本內(nèi)容的提取和識(shí)別，將有助于場(chǎng)景圖像資料的檢索、查詢、理解、壓縮，近而提高圖像資料的管理效率。
　　以O(shè)CR為代表的傳統(tǒng)文檔分析技術(shù)經(jīng)過幾十年的發(fā)展已經(jīng)趨于成熟并取得了巨大的成果，能夠準(zhǔn)確高效地處理人工文本，但仍無法有效地處理自然場(chǎng)景中

2、的文本字符。目前，對(duì)場(chǎng)景文本的研究剛剛起步，停留在算法設(shè)計(jì)階段。
　　本文結(jié)合科研課題，設(shè)計(jì)和實(shí)現(xiàn)了場(chǎng)景圖像文本提取軟件包，該軟件包主要包括圖像采集模塊和文本提取模塊。圖像采集模塊利用網(wǎng)絡(luò)攝像頭采集圖像，該模塊采用基于Directshow技術(shù)的開源視頻處理庫(kù)實(shí)現(xiàn)對(duì)攝像頭的控制，并通過Qt設(shè)計(jì)實(shí)現(xiàn)了操作友好的圖形界面。文本提取模塊是場(chǎng)景圖像文本提取軟件包的核心，該模塊對(duì)基于灰度統(tǒng)計(jì)和多尺度邊緣檢測(cè)的文本定位結(jié)果進(jìn)行數(shù)據(jù)融合，可以有效

3、地精確定位出場(chǎng)景圖像中文本并保持較高的檢測(cè)率，另外，文本提取模塊成功地移植到嵌入式系統(tǒng)平臺(tái)并運(yùn)行良好。通過對(duì)定位結(jié)果分析，本文采用一種圖像增強(qiáng)方法以提高檢測(cè)率;另外，對(duì)字符填充、文本域整行提取做了一定的探索。
　　軟件包的實(shí)現(xiàn)基于C++編程語言和OpenCV圖像處理庫(kù)，該系統(tǒng)能夠較為準(zhǔn)確地定位場(chǎng)景圖像中的文本，且對(duì)字體的大小、顏色、排列方向等具有良好的魯棒性。Windows平臺(tái)上，處理一張640×480圖片的時(shí)間少于5秒，能夠滿足