版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、自然背景中的文本識(shí)別具有巨大的應(yīng)用價(jià)值。但由于場(chǎng)景非常復(fù)雜,字符又形態(tài)多樣,其應(yīng)用一直受限于定位和分割技術(shù)的不足。本文經(jīng)過大量研究,提出了一種基于學(xué)習(xí)的自然場(chǎng)景中文本提取算法。該算法首先將原始圖片通過NLNiblack分解為許多連通分量,包括文本連通分量與非文本連通分量。為了達(dá)到從背景中定位與分割文本的目的,文本連通分量被保留同時(shí)非文本連通分量被丟棄。 本文共提出17個(gè)文本特征來區(qū)分文本連通分量與非文本連通分量。接著,本文算法用
2、一個(gè)級(jí)聯(lián)分類器和一個(gè)SVM組成的兩階段分類模型來驗(yàn)證這些連通分量。級(jí)聯(lián)分類器由17個(gè)弱分類器串聯(lián)組成,其中每個(gè)弱分類器關(guān)注一個(gè)特征。級(jí)聯(lián)的第一個(gè)弱分類器接受所有分解的連通分量,一旦判斷輸入連通分量是非文本則立即將其丟棄,否則傳入下一級(jí)弱分類器。每一級(jí)弱分類器都如此工作,直到整個(gè)級(jí)聯(lián)的結(jié)束。大多數(shù)非文本會(huì)被級(jí)聯(lián)分類器過濾掉,而SVM則在此基礎(chǔ)上做進(jìn)一步的驗(yàn)證來取得更為精確的分類結(jié)果。最終輸出是只有文本的二值圖像。這種基于兩階段分類的模型有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 自然場(chǎng)景中文本信息提取方法.pdf
- 基于機(jī)器學(xué)習(xí)的自然圖像中文本檢測(cè)及多文種辨識(shí)方法研究.pdf
- 復(fù)雜背景下的文本提取技術(shù).pdf
- 視頻中文本的定位與提取.pdf
- 基于SVM的視頻中文本檢測(cè)與提取方法研究.pdf
- 基于主動(dòng)學(xué)習(xí)的中文文本分類.pdf
- 基于框架語義的中文本體學(xué)習(xí)研究.pdf
- 自然場(chǎng)景下的文本定位與提取.pdf
- 基于Web挖掘的中文本體學(xué)習(xí)研究.pdf
- 基于深度學(xué)習(xí)的中文自然語言處理.pdf
- 圖像中文本信息的檢測(cè)與提取.pdf
- 復(fù)雜背景下視頻文本提取的研究.pdf
- 自然背景下的字符提取方法的研究.pdf
- 基于背景學(xué)習(xí)的迭代式文本分類框架.pdf
- 數(shù)字視頻中文本的提取方法研究.pdf
- 中文病歷文本的時(shí)間信息提取研究.pdf
- 基于語義關(guān)聯(lián)的中文文本特征提取及分類研究.pdf
- 基于深度學(xué)習(xí)的自然場(chǎng)景文本檢測(cè)算法研究.pdf
- 面向中文文本的特征值提取.pdf
- 復(fù)雜背景下的文本定位與提取研究.pdf
評(píng)論
0/150
提交評(píng)論