復(fù)雜背景下的文本定位技術(shù)應(yīng)用研究.pdf

1、圖像中的文本對于整個圖像的語義理解、圖像檢索等應(yīng)用具有非常重要的作用，在諸如Internet環(huán)境下的圖像檢索、交通管理中的車牌識別等應(yīng)用中也具有廣闊的發(fā)展空間。要獲取圖像中的文本就需要利用文本定位方法?？梢哉f文本定位是這些實踐應(yīng)用的基礎(chǔ)。當(dāng)前的文本定位技術(shù)還不成熟，無法滿足實踐應(yīng)用的需要。因此本文就是來解決復(fù)雜背景下的文本定位問題。
　　本文首先對前人的相關(guān)工作進行了分析與研究，分別從基于特征提取、基于機器學(xué)習(xí)以及基于這兩者相結(jié)合

2、的方法三個方面對文本定位方法進行詳細的闡述，并且對這三類方法的優(yōu)缺點做出了簡短的分析。其次本文以具有復(fù)雜背景的圖像為實踐應(yīng)用對象，提出三種文本定位方法：
　　(1)提出了一種基于主動輪廓模型的文本定位方法。該方法首先將輸入的圖像經(jīng)過sobel-laplacian銳化后再由gaussian-laplacian進行過濾。其次，預(yù)處理完成后的圖片首先通過改進的主動輪廓模型得到初始輪廓，然后再通過算法的反復(fù)迭代擴大或縮小輪廓線得到最終輪廓

3、，最后通過后處理盡量排除非文本塊從而得到最終文本區(qū)。
　　(2)提出了基于顯著性檢測的文本定位方法。該方法首先以圖像四邊分別作為基準(zhǔn)對輸入的圖像進行背景檢測，然后以背景檢測中得到的非背景區(qū)域作為基準(zhǔn)，對輸入的圖像進行前景檢測，獲取較準(zhǔn)確的備選文本區(qū)，最后結(jié)合中心分割算法，得到最終的文本區(qū)域。
　　(3)提出了結(jié)合邊緣置信測度的文本定位方法。該方法首先引入置信測度并且將其用于于基于梯度的邊緣檢測中，然后通過梯度向量的估計、非極