復(fù)雜自然場(chǎng)景圖像中的文本檢測(cè)與識(shí)別技術(shù)研究.pdf

1、圖像中的文字信息對(duì)于我們的日常生活具有非常重要的價(jià)值，為我們或者計(jì)算機(jī)理解生活場(chǎng)景提供了重要的線索。在實(shí)際應(yīng)用中有許多需要使用復(fù)雜場(chǎng)景圖像中文字信息的場(chǎng)合，例如智能交通輔助、出國(guó)旅游語(yǔ)言翻譯等。借助于計(jì)算機(jī)技術(shù)來(lái)智能的對(duì)這些場(chǎng)景圖像中的文字信息進(jìn)行檢測(cè)識(shí)別已經(jīng)成為當(dāng)前很熱門(mén)的研究領(lǐng)域。由于場(chǎng)景圖像的復(fù)雜性，檢測(cè)識(shí)別其中的文字信息一般需要經(jīng)過(guò)三個(gè)步驟：首先定位圖像中的文本，然后將文本與背景分離，最后進(jìn)行識(shí)別。
　　本研究對(duì)其中的定位

2、算法進(jìn)行了探討，對(duì)后續(xù)的文本分割以及識(shí)別中的關(guān)鍵算法也分別進(jìn)行了實(shí)現(xiàn)。在對(duì)現(xiàn)有的文本定位方法綜合研究分析之后，提出了一種基于多特征融合和SVM分類器相結(jié)合的兩層定位算法來(lái)進(jìn)行定位。首先通過(guò)改進(jìn)的Niblack二值化算法對(duì)場(chǎng)景圖像進(jìn)行預(yù)處理，再結(jié)合形態(tài)學(xué)運(yùn)算以及先驗(yàn)條件對(duì)圖像區(qū)域進(jìn)行粗分類，得到候選的文本區(qū)域。實(shí)驗(yàn)結(jié)果表明，本算法在保留所有文本區(qū)域的前提下，有效地去除了大量的非文本區(qū)域，為后續(xù)的文本分割與識(shí)別打好了基礎(chǔ)。通過(guò)對(duì)場(chǎng)景中的文本

3、特征進(jìn)行綜合分析之后，采用了分層方向梯度直方圖PHOG特征以及局部紋理 LBP特征相結(jié)合，再輔以圖像經(jīng)過(guò)小波變換之后，提取的四種整體紋理特征，來(lái)對(duì)文本字符的特征進(jìn)行描述。結(jié)合 SVM分類器模型，在粗分類后的候選文本區(qū)域的基礎(chǔ)上，進(jìn)行再一次的細(xì)定位。實(shí)驗(yàn)表明本文選取的組合特征效果以及定位的準(zhǔn)確率較好。在通過(guò)定位得到文本區(qū)域的基礎(chǔ)上，本文還研究了現(xiàn)有的圖像文本分割算法以及光學(xué)字符識(shí)別OCR軟件的識(shí)別原理。文本分割預(yù)處理時(shí)，對(duì)定位的區(qū)域采用亞