復雜自然場景圖像中的文本檢測與識別技術研究.pdf

1、圖像中的文字信息對于我們的日常生活具有非常重要的價值，為我們或者計算機理解生活場景提供了重要的線索。在實際應用中有許多需要使用復雜場景圖像中文字信息的場合，例如智能交通輔助、出國旅游語言翻譯等。借助于計算機技術來智能的對這些場景圖像中的文字信息進行檢測識別已經成為當前很熱門的研究領域。由于場景圖像的復雜性，檢測識別其中的文字信息一般需要經過三個步驟：首先定位圖像中的文本，然后將文本與背景分離，最后進行識別。
　　本研究對其中的定位

2、算法進行了探討，對后續(xù)的文本分割以及識別中的關鍵算法也分別進行了實現(xiàn)。在對現(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分類器相結合的兩層定位算法來進行定位。首先通過改進的Niblack二值化算法對場景圖像進行預處理，再結合形態(tài)學運算以及先驗條件對圖像區(qū)域進行粗分類，得到候選的文本區(qū)域。實驗結果表明，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)的文本分割與識別打好了基礎。通過對場景中的文本

3、特征進行綜合分析之后，采用了分層方向梯度直方圖PHOG特征以及局部紋理 LBP特征相結合，再輔以圖像經過小波變換之后，提取的四種整體紋理特征，來對文本字符的特征進行描述。結合 SVM分類器模型，在粗分類后的候選文本區(qū)域的基礎上，進行再一次的細定位。實驗表明本文選取的組合特征效果以及定位的準確率較好。在通過定位得到文本區(qū)域的基礎上，本文還研究了現(xiàn)有的圖像文本分割算法以及光學字符識別OCR軟件的識別原理。文本分割預處理時，對定位的區(qū)域采用亞