面向盲人視覺輔助系統(tǒng)的自然場景文本檢測.pdf

1、自然場景圖像中的文本信息為許多基于圖像的應用提供了重要線索，其中，盲人視覺輔助系統(tǒng)是重要應用之一。該系統(tǒng)首先通過圖像采集設備獲取周圍環(huán)境信息，然后使用文本定位技術提取圖像中的文本，并通過字符識別技術識別文本，最后以語音信號形式反饋識別結果。系統(tǒng)將周圍環(huán)境信息從文本轉換為語音信號的形式，從而達到視覺輔助的目的。盲人視覺輔助系統(tǒng)運用了大量計算機技術，其中，自然場景圖像文本檢測技術顯得尤為重要。精確定位文本，是提高字符識別率，輸出正確環(huán)境描述

2、的關鍵，對于輔助弱勢人群和盲人正常生活具有重要意義。然而，場景圖像背景復雜，圖像中的文本變化多樣，因此，場景文本檢測是一個重要且具有挑戰(zhàn)性的課題。本文提出了一種基于色彩聚類的自然場景文本檢測算法，主要由以下四個部分組成:
　　(1)色彩聚類。同一自然場景圖像中的文本色彩相近，利用這種特性可定位文本。分別提取圖像在R、G、B三個通道上的色彩分量作為特征，用K-均值算法將圖像上的像素點聚類形成5個色彩層。
　　(2)字符驗證。色

3、彩聚類結果包含了文本和大量離散的非文本連通域。為了減小字符合并時的計算量，移除離散的背景信息，分別采用字符幾何和結構分析方法，驗證候選字符。
　　(3)字符合并。為了將分散的文本字符連接形成連通的文本區(qū)域，本文提出基于幾何特性和空間位置關系的字符合并算法。
　　(4)文本塊驗證。字符合并形成的候選文本塊，包括真實文本塊和錯誤檢測的非文本塊，為了提高文本檢測的正確率，需要對候選文本塊進行驗證。本文分別采用幾何性質分析和邊緣密度