版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 無約束優(yōu)化中的幾個算法.pdf
- 無約束優(yōu)化問題
- 無約束重力模式
- 基于VLC的光源無約束室內(nèi)定位方法研究.pdf
- 無約束優(yōu)化問題的基本研究
- 實驗無約束最優(yōu)化
- 無約束優(yōu)化問題的若干算法研究.pdf
- 解無約束廣義幾何規(guī)劃.pdf
- 無約束優(yōu)化問題的信賴域算法研究
- 無約束優(yōu)化的混合信賴域算法研究.pdf
- 無約束視頻的行為識別技術(shù)研究.pdf
- 無約束最優(yōu)化問題的張量方法研究.pdf
- 無約束優(yōu)化問題的梯度類方法研究.pdf
- 無約束優(yōu)化問題的信賴域算法研究.pdf
- 無約束最優(yōu)化問題的直接方法
- 改進的無約束最優(yōu)化折線方法.pdf
- 無約束優(yōu)化問題共軛梯度法的研究.pdf
- 無約束優(yōu)化的譜共軛梯度算法研究.pdf
- 非線性無約束極小問題
- 無約束最優(yōu)化的新迭代格式.pdf
評論
0/150
提交評論