手機拍攝的場景圖像中的文字定位與識別研究.pdf

1、移動終端設(shè)備的迅速發(fā)展和普及，使人們通過手機或Pad獲取周圍信息成為可能。傳統(tǒng)的信息獲取方式是通過用戶輸入看到的周圍環(huán)境中的文字來獲得相應(yīng)結(jié)果，而下一代的人機交互將通過手持設(shè)備拍照自動識別圖像中的文字并返回相應(yīng)結(jié)果。這將對現(xiàn)有的用戶體驗產(chǎn)生革命性的變革。
　　 本文針對這一應(yīng)用目標，對手機拍攝的場景圖像進行研究，定位并識別圖像中的文字。本文主要針對兩種場景進行研究:室內(nèi)拍攝的名片場景和室外招牌場景，針對兩種場景構(gòu)建了相應(yīng)的數(shù)據(jù)集

2、，同時使用了場景圖像研究領(lǐng)域中普遍采用的ICDAR數(shù)據(jù)集進行研究。
　　 定位方面:本文針對名片場景的特點提出了基于canny算子進行邊緣檢測的圖像前景提取方法，然后使用形態(tài)學(xué)膨脹方法合并連通域并抽取5種字符區(qū)域特征進行精確定位;針對招牌場景的特點提出基于圖像分割的改進大津法——BlockOtsu二值化方法進行圖像前景提取，設(shè)計7種字符區(qū)域特進行精確定位。
　　 識別方面:名片場景圖像中的文字為印刷體，本文使用Tesse