面向自然場景圖像中的中文文本定位技術研究.pdf

1、自然場景圖像中的文本蘊含豐富的信息，因此提取這些信息對自然場景的理解具有重要作用。近年來，自然場景圖像中文本的提取有效促進了基于內(nèi)容的圖像檢索和視頻檢索、網(wǎng)絡安全、視覺輔助系統(tǒng)、旅游輔助系統(tǒng)等領域的發(fā)展?；诋斍暗奈谋径ㄎ凰惴ㄟ€遠遠沒有達到用戶的實際需求，并且主要是基于英文文本定位的研究，而中文字符與英文字符的特征存在很大差異。因此，本文主要研究中文文本定位方法，并最終實現(xiàn)了基于判別模型和生成模型的兩種定位算法。兩種定位算法都主要由四大

2、部分組成：預處理、候選文本區(qū)域生成、特征提取以及文本區(qū)域分類。
　?。?）預處理及候選文本區(qū)域生成。在預處理部分，先提取彩色圖像邊緣再灰度化，采用改進 Niblack算法進行二值化，提取更細致的圖像邊緣。在候選文本區(qū)域生成部分，首先去除長直線和孤立噪點，再進行形態(tài)學處理、連通區(qū)域分析與合并。實驗結果表明，本文算法有效剔除了大部分非文本區(qū)域，有效為后續(xù)的文本定位和識別節(jié)省了大量的時間和計算量。
　?。?）特征提取。本文提出使用

3、PHOG-Gabor4特征來表征中文字符特征，多尺度的PHOG特征用來描述輪廓信息及其空間分布，多方向多尺度的Gabor特征來描述中文字符的結構特征，再通過4種紋理特征對中文字符的描述進行補充。實驗結果表明，提出的紋理特征可有效表征中文字符紋理。
　?。?）文本區(qū)域分類。第一種定位方法中，本文采用判別模型SVM以及提升樹作為分類器。第二種定位方法中，本文提出使用生成模型Labeled-LDA作為文本分類器。實驗結果表明，判別模型中

4、提升樹分類準確率略優(yōu)于SVM，而Labeled-LDA進一步提高了判別模型的分類準確率。
　　最后，通過對ICDAR2003競賽英文定位圖像庫進行研究與分析，本文建立與之難度相當?shù)闹形奈谋緢D像庫。在此庫基礎上，對提出的兩種中文文本定位算法進行測試，并與其他算法進行比較?；谂袆e模型提升樹的定位準確率為0.83，召回率為0.86，基于 Labeled-LDA定位的準確率為0.87，召回率為0.90。實驗結果表明，提出的兩種定位算法優(yōu)