圖像中文字檢測技術研究與實現(xiàn).pdf

1、在互聯(lián)網(wǎng)上，搜索引擎Google、百度、Bing等改變了整個時代，便捷了所有人的生活，然而它們是基于文字搜索的，對于圖片和視頻等基于內容的搜索還不大成熟。隨著成千上萬的視頻傳上互聯(lián)網(wǎng)，對瀏覽和檢索視頻數(shù)據(jù)的工具需求越來越迫切。圖像文字信息提取系統(tǒng)能夠將圖像中的文字檢測出來并識別，自動建立圖像索引，隨后傳統(tǒng)的搜索引擎就能夠對圖像進行檢索。
　　完整的圖像文字信息提取系統(tǒng)包括檢測、定位、提取、增強和識別圖像中的文字，一般也把這個過程歸

2、納為主要的兩步：文字檢測和文字識別。本文研究的是文字檢測，包括字幕文字的檢測和場景文字的檢測。
　　在檢測字幕文字時，本文改進實現(xiàn)了一種基于區(qū)域的方法，先用邊緣檢測算子得到圖像的邊緣信息，再計算其最大差分標準圖，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，計算量小，魯棒性高。
　　檢測場景文字時，本文基于MSER和SWT算法，提出了一種新型的算子GSWT用

3、于檢測文字。最穩(wěn)定極值區(qū)域(MSER)在模糊、低對比度和低光照、彩色和紋理變化的情況下魯棒性較好，而GSWT是檢測文字筆劃的可靠方法，二者結合使用可以提高文字檢測的準確率。
　　考慮到場景文字中可能含有噪聲，此時原來的方法會受到大幅的影響，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，文字提取的準確率會下降。因此，本文探討了兩種保持邊緣平滑濾波器(EPSF)——導向濾