場景圖像文本定位與字符識別方法研究.pdf

1、場景圖像中的文本包含著豐富而又準(zhǔn)確的信息，在工業(yè)自動化、交通管理、自動翻譯、殘障人士服務(wù)等領(lǐng)域中存在廣泛的應(yīng)用需求。但由于場景圖像受非均勻光照、背景紋理和文字多樣性等影響，現(xiàn)有方法場景文本提取的準(zhǔn)確性較低。因此，如何從這些場景圖像中準(zhǔn)確地提取文本信息已成為模式識別領(lǐng)域的研究熱點(diǎn)，開展本項(xiàng)目的研究對提高場景圖像文本識別系統(tǒng)的準(zhǔn)確性和魯棒性具有重要的實(shí)用價值。
　　本文主要工作及貢獻(xiàn)包括：
　　首先，基于文本區(qū)域字符灰度值一致性

2、，x方向梯度幅值呈凸形分布和文本字符相近鄰的特點(diǎn)，本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）和支撐向量機(jī)（SVM）輸出得分的場景圖像文本定位方法。依據(jù)文本區(qū)域 x方向梯度幅值的凸形分布和字符灰度值一致性，檢測文本區(qū)域的典型點(diǎn)，并通過典型點(diǎn)位置和灰度聚類提取候選連通成分，再對上述候選連通成分以外的區(qū)域，用k-means聚類方法進(jìn)一步提取其它的候選連通成分。然后，使用基于CNN的文本連通成分SVM分類器，利用CNN提取連通成分的紋理特征，再使用

3、SVM輸出得分抑制非文本連通成分，并將近鄰的連通成分組合成候選文本區(qū)域；最后，針對提取的候選區(qū)域梯度方向直方圖HOG特征，利用支持向量機(jī)驗(yàn)證候選區(qū)域。對于ICDAR2011和ICDAR2013的場景文本圖像數(shù)據(jù)集，本文定位方法分別獲得76％和78%的F值，表明該方法有效地抑制了復(fù)雜背景紋理干擾。
　　其次，基于文本行內(nèi)字符顏色的相似性，提出一種基于顏色聚類和梯度向量流的文本區(qū)域字符切割方法。先利用k-means聚類方法，對像素點(diǎn)色

4、彩空間位置分布進(jìn)行聚類獲得k個候選圖層，再用連通成分的占空比、寬高比等幾何特征，提取候選字符連通成分所在圖層；并在同質(zhì)區(qū)域?qū)ふ疫h(yuǎn)離邊緣的點(diǎn)作為候選切分像素點(diǎn)，利用灰度差值的平方作為代價，尋找累計代價最小的切割路徑。在ICDAR2013場景圖像文本數(shù)據(jù)集上，本文方法獲得87.9%的F值，實(shí)驗(yàn)表明，顏色聚類可有效地抑制非均勻光照和遮擋的干擾。
　　最后，基于字符結(jié)構(gòu)的旋轉(zhuǎn)不變性，提出一種多方向單個字符識別模型。采用變形HOG算子和同心