基于自適應LBP的圖像文本檢測算法.pdf

1、字符區(qū)準確且快速的定位，是有效提取圖像中字符信息的首要步驟。然而，因為文本與圖像背景一樣復雜，具有不同的大小、類型和排列方式，所以文本檢測仍然是一個重要且困難的問題。目前，國內外的研究成果越來越多，可是這些方法在實際的應用中，其可行性、精確性和算法的實時性，仍然不能被同時滿足。因此，研究低復雜度、有效的文本檢測算法在圖像分析技術中具有重大意義。本文著重于研究低復雜度、有效的文本檢測算法，主要工作有：
　　 (1)針對已有的LBP

2、算法自適應性弱的缺點，提出一種自適應閾值的LBP算法。該算法利用全局及局部的像素灰度均差來決定自適應閾值的大小，能最大限度的去除復雜背景。其中，全局的像素灰度均差用來區(qū)分整個圖像的紋理，局部像素均差則用來加強局部紋理的區(qū)分度。實驗結果顯示，此算法不僅自適應性強，而且在灰度范圍內具有嚴格的單調不變性，紋理分類能力強。
　　 (2)針對已有的區(qū)域生長算法復雜度高的缺點，提出一種低復雜度的區(qū)域生長算法。該算法采用近似圓替代多角度旋轉的

3、長方形作為掩模，覆蓋多方向性判決，簡化算法，降低其復雜度，遍歷整個圖像，然后根據(jù)窗口內密度大小確定種子像素，合并相鄰類似像素，形成文本區(qū)域。實驗結果顯示，本文算法不僅算法復雜度低，而且與原區(qū)域生長算法等效。
　　 (3)為了全面的驗證本文算法的有效性和可行性，將原LBP算法、自適應閾值LBP算法、原區(qū)域生長算法和低復雜度區(qū)域生長算法這四種算法組合，統(tǒng)計相應性能指標，做出實驗分析。實驗結果顯示，本文所提出的基于自適應閾值LBP的低