基于HOG和多元語言模型的場景單詞識別.pdf

1、隨著移動電子設(shè)備在日常生活中的廣泛使用，人們可以方便快捷地通過拍照獲取圖像，而圖像中往往包含著內(nèi)容豐富的文字信息，基于攝像頭的應(yīng)用產(chǎn)生了大量對拍攝場景內(nèi)容理解的需求。圖像中的文字作為一種重要的語義信息，是描述和理解客觀世界相關(guān)環(huán)境的關(guān)鍵要素，正確識別這些文字對于人們的拍攝意圖、基于內(nèi)容的圖像檢索和分享、過濾等應(yīng)用有著重要的現(xiàn)實意義。雖然針對傳統(tǒng)掃描文檔圖像的OCR方法已經(jīng)獲得了很大的成功，但這種成熟的技術(shù)不一定適用于自然場景圖像中的文字

2、識別。由于自然場景圖像受到多方面干擾因素的影響，大大增加了正確識別文字的難度。
　　考慮到場景圖像中文字的特點，對其進行識別時，直接利用已有的OCR軟件很難獲得良好的識別效果。而傳統(tǒng)的場景文字提取工作中，往往分為文本檢測、文字分割和文字識別三個部分，從而造成文字的識別由于分割不準(zhǔn)確而誤識較多。近年來，學(xué)術(shù)界開始關(guān)注一種新的文字提取方法，即文字的檢測、分割和識別同時進行不再明顯分開。針對場景圖像中英文單詞識別的復(fù)雜性，本文在學(xué)者們新

3、近研究成果的基礎(chǔ)上采用這種方法，即當(dāng)定位到文本區(qū)域后，在矩形區(qū)域內(nèi)同時檢測和識別字符而不進行分割，然后按照一定的規(guī)則將識出字符組合成單詞，提取文字表示的確切信息。
　　本文提出了一種基于HOG和多元語言模型的場景單詞識別方法。首先對訓(xùn)練樣本字符圖像進行預(yù)處理并提取HOG特征，然后基于多尺度分解和滑動窗口密集掃描測試單詞圖像，提取可能是字符位置的檢測窗口的HOG特征，再利用最近鄰分類器進行字符識別，最后根據(jù)提出的多元語言模型將識出字