圖像中文字檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf

1、在互聯(lián)網(wǎng)上，搜索引擎Google、百度、Bing等改變了整個(gè)時(shí)代，便捷了所有人的生活，然而它們是基于文字搜索的，對(duì)于圖片和視頻等基于內(nèi)容的搜索還不大成熟。隨著成千上萬(wàn)的視頻傳上互聯(lián)網(wǎng)，對(duì)瀏覽和檢索視頻數(shù)據(jù)的工具需求越來越迫切。圖像文字信息提取系統(tǒng)能夠?qū)D像中的文字檢測(cè)出來并識(shí)別，自動(dòng)建立圖像索引，隨后傳統(tǒng)的搜索引擎就能夠?qū)D像進(jìn)行檢索。
　　完整的圖像文字信息提取系統(tǒng)包括檢測(cè)、定位、提取、增強(qiáng)和識(shí)別圖像中的文字，一般也把這個(gè)過程歸

2、納為主要的兩步：文字檢測(cè)和文字識(shí)別。本文研究的是文字檢測(cè)，包括字幕文字的檢測(cè)和場(chǎng)景文字的檢測(cè)。
　　在檢測(cè)字幕文字時(shí)，本文改進(jìn)實(shí)現(xiàn)了一種基于區(qū)域的方法，先用邊緣檢測(cè)算子得到圖像的邊緣信息，再計(jì)算其最大差分標(biāo)準(zhǔn)圖，采用局部閾值法將其二值化，然后利用游程平滑算法將文字連接成文字串，最后經(jīng)過區(qū)域分析定位文字區(qū)域。本文方法原理清晰，計(jì)算量小，魯棒性高。
　　檢測(cè)場(chǎng)景文字時(shí)，本文基于MSER和SWT算法，提出了一種新型的算子GSWT用

3、于檢測(cè)文字。最穩(wěn)定極值區(qū)域(MSER)在模糊、低對(duì)比度和低光照、彩色和紋理變化的情況下魯棒性較好，而GSWT是檢測(cè)文字筆劃的可靠方法，二者結(jié)合使用可以提高文字檢測(cè)的準(zhǔn)確率。
　　考慮到場(chǎng)景文字中可能含有噪聲，此時(shí)原來的方法會(huì)受到大幅的影響，一方面噪聲的增多，使得MSER區(qū)域增多，給GSWT帶來了計(jì)算量的增大；另一方面噪聲的出現(xiàn)，使得虛警的概率升高，文字提取的準(zhǔn)確率會(huì)下降。因此，本文探討了兩種保持邊緣平滑濾波器(EPSF)——導(dǎo)向?yàn)V