平面媒體中文字定位的研究與實現(xiàn).pdf

1、圖片中的文字信息提取,一直都是研究熱點,其在圖像檢索與分類、圖書管理、票據(jù)證件與名片的處理方面都非常有幫助。它包括圖像濾波、圖像的幾何校正、文字定位、顏色聚類、圖像分割、傾斜校正、字符切分、二值化和文字識別等部分,而其中又以文字定位與識別最為重要。在文字識別技術(shù)已經(jīng)非常成熟的情況下,本文對文字定位技術(shù)進(jìn)行了深入研究,深刻分析了平面媒體中文字區(qū)域的特點,并提出了兩種文字定位方法。首先,本文對基于紋理和區(qū)域的傳統(tǒng)的文字定位方法進(jìn)行了研究,提

2、出了一種基于連通組件的文字定位方法。它首先對圖像進(jìn)行傾斜校正,其次對已校正的圖像進(jìn)行聚類分析,以削減圖像中的顏色種類,再次對每一種顏色的二值圖像提取連通組件,并使用多種特征對連通組件進(jìn)行分類,最后將各種顏色的分類為文字區(qū)域的連通組件合并起來,得到圖像的文字區(qū)域。本文提出的基于連通組件的文字定位方法可以非常好地定位出圖像中的顯著文字區(qū)域,但是由于聚類和使用的特征不夠完善,不能定位與背景色相近或者是傾斜的文字。另外,基于紋理和區(qū)域的傳統(tǒng)文字

3、定位方法都有一個很大的缺陷,許多特征的閾值都需人工定義,給系統(tǒng)的可靠性帶來了隱患。針對以上缺陷,本文提出了一種基于AdaBoost機(jī)器學(xué)習(xí)的文字定位方法。首先,搜集大量的平面媒體圖片,其中包括書的封面、CD封面和電影海報,人工標(biāo)記和提取其中的文字區(qū)域。其次,基于對文字區(qū)域和非文字區(qū)域的統(tǒng)計性差異分析,得到兩大類特征集,用于構(gòu)造弱分類器。然后,使用AdaBoost將上一步得到的弱分類器篩選和組織起來,得到一個三級的級聯(lián)分類器。最后,通過將