基于數(shù)學形態(tài)學和RANSAC的文本圖像變形矯正.pdf

1、圖像和視頻中的文本字符，是圖像高層語義內(nèi)容的一個重要來源，包含許多非常重要信息，如街道名稱、商店名稱、路標、交通標示等，這些信息對于圖像和視頻資料的自動注釋、索引等方面有重要的參考作用。
　　隨著數(shù)碼相機、拍攝手機等設(shè)備的普及，文字識別技術(shù)逐漸進入視覺文本圖像這一廣闊的領(lǐng)域。手持數(shù)碼相機拍攝帶有字符內(nèi)容的圖像時，由于拍攝文檔本身的傾斜、彎曲以及人為因素的影響，所拍攝的文本圖像經(jīng)常存在幾何變形。這使OCR(Optical Chara

2、cter Recognition)系統(tǒng)無法識別圖像中的字符。為解決這個問題，需要對這些文本圖像進行必要的矯正。
　　根據(jù)文本圖像變形原理的不同可分類為傾斜變形和透視變形。目前的研究主要集中于傾斜變形，透視變形的研究剛剛起步。變形矯正的研究思路集中于應用圖像處理方法和統(tǒng)計學方法獲取變形參數(shù)，然后根據(jù)計算機視覺中仿射變換對圖像進行恢復，得到矯正后圖像。
　　本文針對文本圖像的傾斜變形和透視變形進行研究，處理步驟包括預處理、特征提

3、取、參數(shù)估計、變形矯正四個步驟。在預處理過程中，本文采用大律法的二值化處理方法和圖像歸一化來提高系統(tǒng)對多尺度圖像矯正的魯棒性；在特征提取的步驟中，本文利用文本圖像的特征結(jié)合數(shù)學形態(tài)學方法，針對不同的變形情況選取形態(tài)學因子，從而得到特征點圖像；在參數(shù)估計中，先通過聚類方法和最近鄰方法提取特征點的聚類信息，然后，采用線性回歸擬合文本基線并使用RANSAC(Random Sample Consensus)算法等統(tǒng)計學方法計算基線位置，從而獲取