圖像中的文本檢測(cè)與識(shí)別研究.pdf

1、近年來(lái)圖像中的文本檢測(cè)與識(shí)別在圖像搜索、車牌識(shí)別、圖像快速文檔化、工業(yè)流水線等方面的應(yīng)用日益增多，吸引了眾多學(xué)者進(jìn)行了大量研究，然而圖像本身背景復(fù)雜、光照與角度多變，加之文本語(yǔ)種繁多、字體尺度方向等多變，最終導(dǎo)致檢測(cè)與識(shí)別精度難以達(dá)到應(yīng)用的需求。論文從實(shí)際應(yīng)用的角度對(duì)特定場(chǎng)景下的圖像中的文本檢測(cè)與識(shí)別方法進(jìn)行了研究。
　　針對(duì)圖像中文本檢測(cè)存在的問(wèn)題，論文研究了三種不同場(chǎng)景下的文本檢測(cè)方法。對(duì)于受光照影響或背景變化緩慢的圖像，論文

2、從圖像信號(hào)頻率的角度出發(fā)，使用同態(tài)濾波的方法濾除低頻背景信號(hào)，保留高頻文本信號(hào)，并利用文本邊緣較為豐富的特點(diǎn)，結(jié)合形態(tài)學(xué)方法進(jìn)行文本行檢測(cè)。對(duì)于工業(yè)現(xiàn)場(chǎng)中文本與物體存在依賴關(guān)系的復(fù)雜場(chǎng)景圖像，論文基于此種依賴關(guān)系將文本的檢測(cè)轉(zhuǎn)化為文本依賴物體的檢測(cè)，最終通過(guò)依賴關(guān)系實(shí)現(xiàn)高精度的文本檢測(cè)，該方法顯著降低了虛警率，在實(shí)際的工業(yè)應(yīng)用中取得顯著效果。對(duì)于自然場(chǎng)景中的圖像，論文從提高區(qū)域獲取質(zhì)量出發(fā)，提出了基于邊緣增強(qiáng)的MSER算法，進(jìn)而創(chuàng)建字符

3、分揀樹(shù)對(duì)字符區(qū)域進(jìn)行分揀，之后提出多層融合的策略對(duì)多方向的文本行進(jìn)行檢測(cè)，最后使用隨機(jī)森林分類器對(duì)候選文本行進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明該方法能夠提高文本行的召回率及識(shí)別精度。
　　針對(duì)圖像中文本行的分割與識(shí)別。論文從工業(yè)實(shí)際應(yīng)用的角度，對(duì)背景簡(jiǎn)單或漸變類型的文本圖像，基于字符區(qū)域或邊緣縱向投射曲線呈現(xiàn)近似混合高斯分布的特性，采用無(wú)監(jiān)督的分割算法對(duì)單個(gè)字符進(jìn)行分割，然后訓(xùn)練CNN(Convolutional Neural Networ

4、k)模型對(duì)單個(gè)字符進(jìn)行識(shí)別。對(duì)于背景較為復(fù)雜的文本行圖像，本論文從滑窗識(shí)別的角度出發(fā)，首先使用一個(gè)CNN模型對(duì)文本行圖像從左到右取滑動(dòng)窗口進(jìn)行字符與非字符的識(shí)別，然后對(duì)滑窗序列識(shí)別結(jié)果置信度所形成的曲線進(jìn)行凸包檢測(cè)，接著使用SVM模型提取凸包寬度與高度特征進(jìn)行字符與非字符的分類，完成字符的分割后使用訓(xùn)練的CNN模型進(jìn)行單字符識(shí)別。鑒于以上兩種基于分割的識(shí)別方法最終都是對(duì)單字符使用CNN模型進(jìn)行識(shí)別，并沒(méi)考慮字符之間的上下文關(guān)系，因此，論

5、文進(jìn)一步研究了在之前字符分割的基礎(chǔ)上采用RNN(Recurrent Neural Networks)模型的文本序列識(shí)別方法，實(shí)驗(yàn)結(jié)果表明，加入序列識(shí)別模型后的文本識(shí)別率有了一定提高。
　　針對(duì)圖像中的文本行序列識(shí)別。論文借鑒了語(yǔ)音識(shí)別技術(shù)，從序列識(shí)別的角度提出一種文本行識(shí)別方法。該方法首先采用CNN模型的卷積層對(duì)文本序列進(jìn)行特征抽取，然后將抽取的特征送入LSTM(Long Short-Term Memory)模型進(jìn)行訓(xùn)練，為了獲得