圖像中無約束文本的定位與分割研究.pdf

1、靜態(tài)圖像和動態(tài)視頻（幀）中的文本識別，分兩個階段進行:首先對圖像中的文本進行檢測與提取，從輸入的原始圖像中分割出文本區(qū)域，即文本檢測;然后對檢測出的文本區(qū)域進行識別，從輸入的文本區(qū)域圖像識別出相應(yīng)的文本結(jié)果，即文本識別。其中文本檢測和定位主要用來確定圖像中文本的位置，并找出這些文本的邊界框，是整個流程中最為關(guān)鍵的一步。文本分割盡可能去除文本周圍的背景，便于隨后的文本識別。計算機視覺要實現(xiàn)圖像的處理、分析和理解，文本檢測和定位是必不可少的

2、基礎(chǔ)步驟和關(guān)鍵階段，這是本文研究的意義所在。
　　文獻研究顯示，自然場景圖像中的文本識別，難以直接套用傳統(tǒng)標(biāo)準(zhǔn)（有約束）圖像中的文本識別算法，因為自然場景圖像中文本字與字之間存在著尺寸大小不同、方向不同、字體不同、模糊程度不同、光照度不同、被障礙物遮掩程度不同等差異;另外實時性要求相對較高。任何文本皆由筆劃組成，而筆劃檢測的關(guān)鍵在于檢測筆劃上的角點。角點檢測常用算法SURF、AGAST、BRISK、FAST、SIFT、ORB中，F(xiàn)

3、AST(Features from Accel cratedSegment Test)算法雖不具尺度不變性，但具有一定程度旋轉(zhuǎn)不變性和仿射不變性，更為重要的是速度明顯較快，較適合于實時應(yīng)用，故本文基于FAST算法和筆劃寬度轉(zhuǎn)換算法，提出了一種改進FAST檢測算法(iFAST-improved FAST)——一種快速文本角點檢測算法，用于定位和分割圖像中含有無約束文本的區(qū)域。
　　iFAST檢測算法，首先檢測圖中筆劃的角點，然后根據(jù)

4、角點屬性提取成文本片段，接著使用多尺度自適金字塔模型訓(xùn)練級聯(lián)分類器以去除多余的非文本區(qū)域。該算法能快速、魯棒、精確地檢測與分割出圖像中大小不同文本區(qū)域。還采用基于文本方向投票的有效文本聚類算法，將檢測到區(qū)域聚集到文本行，以允許后續(xù)階段（例如OCR模塊）處理。
　　利用文本識別領(lǐng)域常用的ICDAR2013和MSRA-TD500兩個數(shù)據(jù)集作為訓(xùn)練集和測試集，并與其它算法做了性能對比，結(jié)果發(fā)現(xiàn)本文提出的iFAST可以在多樣性文本和多方向