基于場(chǎng)景圖像的自動(dòng)文字檢測(cè)是光學(xué)字符識(shí)別系統(tǒng)的第一步,是光學(xué)字符識(shí)別系統(tǒng)可以應(yīng)用于各行各業(yè)的重要保證。自然場(chǎng)景文字檢測(cè)技術(shù)已經(jīng)成為計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的研究熱點(diǎn),在日常生活和工作中如場(chǎng)景理解、產(chǎn)品檢索、自動(dòng)駕駛、地圖制作、圖像視頻監(jiān)控和文檔檢索系統(tǒng)等領(lǐng)域都有著廣泛的應(yīng)用,給人們的生活和工作提供了極大的便利。此外,隨著大數(shù)據(jù)的爆發(fā)和計(jì)算機(jī)計(jì)算能力的提高,深度學(xué)習(xí)得到了快速的發(fā)展,并從學(xué)術(shù)研究領(lǐng)域迅速落地到工業(yè)界。深度學(xué)習(xí)的優(yōu)勢(shì)是不需要手工設(shè)計(jì)特定任務(wù)的特征,可以根據(jù)任務(wù)自動(dòng)的從大量數(shù)據(jù)中學(xué)習(xí)特征,同時(shí)學(xué)到的特征有較好的魯棒性和識(shí)別性能。由于深度學(xué)習(xí)具有上述優(yōu)勢(shì),因此基于深度學(xué)習(xí)的場(chǎng)景文字檢測(cè)方法取得了很大的進(jìn)步,對(duì)于形狀和長(zhǎng)度比較規(guī)則的場(chǎng)景文字已經(jīng)取得了不錯(cuò)的檢測(cè)效果。但是由于卷積神經(jīng)網(wǎng)絡(luò)的感受野以及矩形框、四邊形等簡(jiǎn)單的文字目標(biāo)表達(dá)方式的限制,過(guò)去的場(chǎng)景文字行檢測(cè)方法在遇到很長(zhǎng)的文字行和不規(guī)則形狀的文字行時(shí),其檢測(cè)性能還不夠好,極端場(chǎng)景的文字檢測(cè)還存在不少挑戰(zhàn)。為了解決以上問(wèn)題,本文針對(duì)性地設(shè)計(jì)了一個(gè)原創(chuàng)的文字檢測(cè)器,該檢測(cè)器包括了一個(gè)初級(jí)文字檢測(cè)器、一個(gè)迭代修正模塊和一個(gè)形狀表達(dá)... 

【文章來(lái)源】：廈門(mén)大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１文字行檢測(cè)中遇到的兩種挑戰(zhàn)

對(duì)稱鄰城漣波字符提取算法流程

圖２．３基于ＲＧＢ－Ｄ的字符提取算法流程丨圳

【參考文獻(xiàn)】：
期刊論文
[1]一種基于SWT面向RGB-D圖像的高效字符檢測(cè)算法[J]. 宋云濤,劉燁,王源彬,陳雁秋.  微型電腦應(yīng)用. 2015(09)
[2]復(fù)雜彩色圖像中的字符提取算法[J]. 劉新星,汪增福.  模式識(shí)別與人工智能. 2006(06)



本文編號(hào)：2952262