復(fù)雜圖像文本提取關(guān)鍵技術(shù)與應(yīng)用研究.pdf

1、近年來，隨著便攜式攝影設(shè)備的普及和互聯(lián)網(wǎng)發(fā)展，數(shù)字圖像和數(shù)字視頻的數(shù)量正以驚人的速度增長。嵌入在圖像和視頻中的文字是圖像語義的重要表達(dá)方式。如果能夠利用計(jì)算機(jī)自動(dòng)定位和識(shí)別這些文字，就可以讓計(jì)算機(jī)自動(dòng)理解圖像的內(nèi)容，進(jìn)而借助已經(jīng)成熟的文本檢索技術(shù)來檢索圖像，從而為基于內(nèi)容的圖像和視頻處理提供一種途徑。
　　國內(nèi)外學(xué)者在復(fù)雜圖像文本提取與識(shí)別方面做了大量研究，并取得階段性成果，現(xiàn)有OCR軟件處理文檔圖像取得了很好的效果。但是對背景較

2、為復(fù)雜的場景圖像和分辨率較低的原生數(shù)字圖像中包含文本的提取研究還處于初級(jí)階段。
　　本文中，我們將復(fù)雜圖像文本提取過程分為如下四個(gè)步驟:圖像二值化處理;在二值化圖像中提取所有連通體;通過條件隨機(jī)場模型標(biāo)記文本連通體;對文本連通體進(jìn)行文字識(shí)別。針對提取過程的每一個(gè)步驟，本文進(jìn)行了如下研究:
　　首先，利用小波的優(yōu)良去噪性，提出了基于小波變換的圖像二值化方法。先將待處理復(fù)雜圖像轉(zhuǎn)化為灰度圖像，然后利用小波分解、多層小波濾波、小波

3、重構(gòu)將圖像中的前景文字作為噪音去除，從而得到圖像的背景分布;將背景分布與灰度圖像做差運(yùn)算得到圖像的前景分布;再計(jì)算局部閾值;最終得到二值化圖像。通過與其他著名的八種二值化方法進(jìn)行對比實(shí)驗(yàn)，表明基于小波變換的二值化方法優(yōu)于其它方法。
　　第二，采用深度遍歷方法和形態(tài)學(xué)的膨脹操作對二值化圖像進(jìn)行連通體抽取，選取連通體關(guān)鍵特征，基于條件隨機(jī)場模型進(jìn)行文本分割。選取合理的實(shí)驗(yàn)參數(shù)，CRF模型能夠很好地對連通體進(jìn)行分類，達(dá)到文本分割的目的。

4、
　　第三，使用改進(jìn)的HOG特征對文字進(jìn)行識(shí)別?？紤]在傾斜、光照不均、噪音干擾、邊緣柔化等多種異態(tài)情況下的復(fù)雜圖像的字符識(shí)別問題，提出基于稀疏編碼與梯度方向直方圖相結(jié)合的SC-HOG方法來進(jìn)行字符識(shí)別研究。此方法先利用稀疏編碼得到基向量和稀疏系數(shù)，通過重構(gòu)圖像濾除噪音、處理邊緣柔化;然后利用梯度方向直方圖抽取復(fù)原圖像的字符邊緣梯度特征，削弱傾斜和光照的影響;最后將獲取的特征向量送入分類器，實(shí)現(xiàn)異態(tài)字符的識(shí)別。通過在設(shè)計(jì)字符集和現(xiàn)實(shí)

5、字符集上進(jìn)行字符識(shí)別實(shí)驗(yàn)表明，SC-HOG方法能夠?qū)ι鲜鰪?fù)雜情況的圖像中包含的文本進(jìn)行有效的識(shí)別。
　　第四，考慮字符圖像尺度和平移影響文字識(shí)別率的問題，提出了具有尺度和平移魯棒性的STRHOG方法來進(jìn)行字符識(shí)別。通過剪裁梯度矩陣處理將字符圖像的“邊”去除，通過歸一化梯度矩陣處理，將待識(shí)別的字符圖像轉(zhuǎn)換為相同大小，實(shí)驗(yàn)表明，利用STRHOG方法處理的圖像，文字識(shí)別率得到了很大提高。
　　最后，文中對復(fù)雜圖像文本提取技術(shù)做了應(yīng)