復(fù)雜自然場景圖像中的文本檢測與識別技術(shù)研究.pdf

1、圖像中的文字信息對于我們的日常生活具有非常重要的價值，為我們或者計算機理解生活場景提供了重要的線索。在實際應(yīng)用中有許多需要使用復(fù)雜場景圖像中文字信息的場合，例如智能交通輔助、出國旅游語言翻譯等。借助于計算機技術(shù)來智能的對這些場景圖像中的文字信息進(jìn)行檢測識別已經(jīng)成為當(dāng)前很熱門的研究領(lǐng)域。由于場景圖像的復(fù)雜性，檢測識別其中的文字信息一般需要經(jīng)過三個步驟：首先定位圖像中的文本，然后將文本與背景分離，最后進(jìn)行識別。
　　本研究對其中的定位

2、算法進(jìn)行了探討，對后續(xù)的文本分割以及識別中的關(guān)鍵算法也分別進(jìn)行了實現(xiàn)。在對現(xiàn)有的文本定位方法綜合研究分析之后，提出了一種基于多特征融合和SVM分類器相結(jié)合的兩層定位算法來進(jìn)行定位。首先通過改進(jìn)的Niblack二值化算法對場景圖像進(jìn)行預(yù)處理，再結(jié)合形態(tài)學(xué)運算以及先驗條件對圖像區(qū)域進(jìn)行粗分類，得到候選的文本區(qū)域。實驗結(jié)果表明，本算法在保留所有文本區(qū)域的前提下，有效地去除了大量的非文本區(qū)域，為后續(xù)的文本分割與識別打好了基礎(chǔ)。通過對場景中的文本

3、特征進(jìn)行綜合分析之后，采用了分層方向梯度直方圖PHOG特征以及局部紋理 LBP特征相結(jié)合，再輔以圖像經(jīng)過小波變換之后，提取的四種整體紋理特征，來對文本字符的特征進(jìn)行描述。結(jié)合 SVM分類器模型，在粗分類后的候選文本區(qū)域的基礎(chǔ)上，進(jìn)行再一次的細(xì)定位。實驗表明本文選取的組合特征效果以及定位的準(zhǔn)確率較好。在通過定位得到文本區(qū)域的基礎(chǔ)上，本文還研究了現(xiàn)有的圖像文本分割算法以及光學(xué)字符識別OCR軟件的識別原理。文本分割預(yù)處理時，對定位的區(qū)域采用亞