基于機器學習的自然圖像中文本檢測及多文種辨識方法研究.pdf

1、文字在人類思想情感以及文化傳承中是十分重要的符號工具，在社會生產(chǎn)生活的各個方面都體現(xiàn)出了文字的重要性與不可替代性。在現(xiàn)代城市環(huán)境中，文字是普遍存在的元素，如海報、道路標志、牌匾燈箱等，其中不乏大量的文字信息。在自然圖像中，文字所表達的語義信息是理解圖像內(nèi)容時一個很重要的參考信息。自然圖像中的文種辨識是基于內(nèi)容的圖像檢索和多語種系統(tǒng)開發(fā)領(lǐng)域的一個重要方向。在自然圖像場景中文字的檢測及其文種的辨識有相當大的難度:不同自然場景中的文字含有不同

2、的特性，例如顏色不同、數(shù)量不一、大小與間隔不同等;而且在自然圖像中，文字的背景往往很復雜，同時存在著諸如噪聲、傾斜和透視變換等各種問題。這些都對自然圖像中的文字檢測和文種辨識工作帶來了極大的困難。如何有效地對包含有多種語言文字的自然圖像進行處理成為自然場景分析與理解中亟待解決的難題。本學位論文提出了一種基于視覺顯著性和邊緣密集度的文本區(qū)域檢測方法以及基于圖像特征和機器學習方法的文種辨識方法。
　　首先，提出了基于視覺顯著性和邊緣密

3、集度的文本區(qū)域檢測方法。該文本區(qū)域檢測方法通過多尺度譜殘差方法來檢測視覺顯著性區(qū)域，接著在視覺顯著性區(qū)域內(nèi)使用Sobel算子來對圖像進行檢測邊緣，通過計算圖像的邊緣密集度，再使用數(shù)學形態(tài)學方法對圖像邊緣進行預處理，最終通過自然圖像中文字排列的先驗知識來檢測文本區(qū)域。
　　其次，提出了基于基本圖像特征與機器學習方法的文種辨識方法。該方法對阿拉伯數(shù)字、英文、俄文、日文假名、簡體中文和朝鮮文構(gòu)建了文字樣本圖像并提取其骨架，利用該骨架的基

4、本圖像特征構(gòu)造相應文種的特征集，并根據(jù)不同文種的結(jié)構(gòu)特征，結(jié)合分類方法的特性，將文種辨識分為兩個階段:粗分類階段和細分類階段。在粗分類階段，使用支持向量機將文字劃分為兩大類，第一類中包含阿拉伯數(shù)字、英文、俄文和日文假名，第二類中包含簡體中文和朝鮮文。在辨識階段，使用支持向量機對第一類文字進行文種辨識，使用BP神經(jīng)網(wǎng)絡對第二類文字進行辨識。
　　實驗結(jié)果表明，本文提出的基于視覺顯著性與文字邊緣密集度的文本檢測方法得到了73％的檢測率