基于多分辨分析和一致性的文本區(qū)域提取算法的研究.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，它包含許多非常重要的有用的信息，如街道名稱、商店名稱、路標(biāo)、交通標(biāo)示、字幕等，這些信息對于圖像和視頻資料的自動注釋、索引、壓縮等方面有重要的參考作用。
　　通常情況下根據(jù)文本對象的存在形式將文本分為人工文本和場景文本。目前的研究主要集中于對人工文本的研究，而場景文本的研究剛剛起步。文本提取的研究思路主要集中于應(yīng)用各種圖像處理的方法將文字區(qū)域的邊角特征、色彩特征和紋理特征突出

2、，然后根據(jù)一定的分類算法來劃分候選的區(qū)域，經(jīng)過進(jìn)一步的后處理來最終確定實際的文本區(qū)域。
　　本文針對文本區(qū)域提取這個問題來進(jìn)行研究，包含預(yù)處理、多分辨分析、特征提取、分類(檢測)、區(qū)域提取五個步驟來解決文本區(qū)域的準(zhǔn)確提取問題。由于圖像上字符的大小變化范圍很大，為了能夠找出大小不一的文本區(qū)域，在多分辨分析中，本文將圖像分解為原分辨率的1/1、1/2和1/4的三幅子圖，然后對每幅子圖應(yīng)用相同的文本區(qū)域定位算法。在特征提取步驟中，本文把

3、一致性H應(yīng)用到文本區(qū)域提取領(lǐng)域，使用邊緣空間映射和一致性H空間映射兩種方法得到特征圖像，并比較了兩種空間對于文本提取的影響；對得到特征圖像，使用滑動窗口比較了提取不同維數(shù)的紋理特征作為特征向量的結(jié)果。在分類檢測時，通過對比支持向量機（SupportVectorMachineSVM）和BP前饋網(wǎng)絡(luò)的分類效果，選擇使用支持向量機作為分類器。根據(jù)對多幅子圖的分類結(jié)果進(jìn)行圖像融合來生成候選區(qū)域，然后逐步對候選區(qū)域進(jìn)行基于密度的區(qū)域確認(rèn)和平滑后處