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容豐富的文字信息，基于攝像頭的應用產生了大量對拍攝場景內容理解的需求。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環(huán)境的關鍵要素，正確識別這些文字對于人們的拍攝意圖、基于內容的圖像檢索和分享、過濾等應用有著重要的現實意義。雖然針對傳統(tǒng)掃描文檔圖像的OCR方法已經獲得了很大的成功，但這種成熟的技術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確而誤識較多。近年來，學術界開始關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雜性，本文在學者們新

3、近研究成果的基礎上采用這種方法，即當定位到文本區(qū)域后，在矩形區(qū)域內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。首先對訓練樣本字符圖像進行預處理并提取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，最后根據提出的多元語言模型將識出字