自然場景中字符處理方法研究.pdf

1、自然場景中的文本廣泛存在于道路指示牌、廣告牌、車牌、各類儀表等場景中。字符檢測與識別日益成為計算機視覺和文檔分析領域的一個熱門研究問題。然而自然場景中文本的檢測和識別是一個極具挑戰(zhàn)的問題，困難主要來源于文本的多樣性、背景的復雜性和成像過程中引入的干擾因素等。如果直接將原始自然場景圖像送入文本識別器會造成諸多不良問題，如識別錯誤、遺漏文本和無法識別等。因此，精確的文本檢測定位算法將極大地提升自然場景中文本識別和語義理解的準確度。本文研究自

2、然場景中字符處理的方法主要針對自然場景中文本檢測，目的是能夠準確定位出自然場景中的文本，為后續(xù)字符識別的可靠性提供保證。本文主要工作內容如下：
　　1、研究了基于 MSER的字符檢測算法，針對該算法無法檢測低對比度圖像中文本的問題，本文提出了一種基于Retinex的多顏色空間MSER字符檢測方法。該方法利用Retinex增強算法提升圖像的對比度，并分別提取灰度圖像和HSI顏色空間中亮度通道圖像的MSER，結合二者的最大穩(wěn)定極值區(qū)域

3、獲得文本候選區(qū)域。經測試，改進方法在圖像受光照強度影響時能有效提升字符檢測性能，從而擴大基于MSER字符檢測方法的應用范圍。
　　2、研究了自然場景中字符處理的常用算法，針對單一的檢測算法對復雜背景的圖像檢測效果較差的問題，本文提出了基于MSER與SWT融合的字符檢測方法。該方法首先通過計算MSER和SWT獲得連通區(qū)域，然后基于二者提取到的連通區(qū)域的距離關系進行融合獲得候選文本區(qū)域。經測試，該方法能有效提升復雜背景圖像中字符檢測的

4、性能。
　　3、分析復雜背景圖像字符檢測的結果，針對結果虛警率過高的問題，提出了對字符檢測結果利用分類器進行二次驗證的方法。該方法利用隨機森林決策樹訓練樣本，然后利用訓練后的分類器對已經檢測到的文本區(qū)域進行二次驗證，從而獲得最終的文本定位結果。經測試，改進方法能有效降低文本檢測結果的虛警率。
　　4、分析了用于訓練字符分類器的特征，針對單一的特征并不能達到很好的分類效果這一問題，本文提出了多特征融合構成字符特征的方法。該方法