近年來,計(jì)算機(jī)視覺領(lǐng)域的發(fā)展日新月異。其中光學(xué)字符識別（optical character recognition,OCR）作為計(jì)算機(jī)視覺的一個(gè)重要分分支,旨在從圖像中準(zhǔn)確識別出所包含文字。而在現(xiàn)實(shí)生活和辦公中,掃描文檔圖像作為文字的一種重要載體,準(zhǔn)確對其進(jìn)行OCR識別能夠大大減少人力成本。但是獲取文檔圖像的過程中,有很多因素將導(dǎo)致最終的文檔圖像處在錯(cuò)誤的方向。例如掃描前沒有將文檔放在正確的方向,或者所獲取的圖像方向信息丟失。而這將影響OCR識別效果和后續(xù)圖像處理工作。針對文檔圖像可能處在的四個(gè)方向,本文提出了基于字符的文檔圖像方向矯正算法。該算法從文檔圖像所包含的字符出發(fā),通過分析字符方向以確定文檔方向。本研究的主要工作如下:1.提出的基于字符的文檔圖像方向矯正方法,首先利用文本行檢測和字符分割方法以確定字符位置,然后對文檔內(nèi)的字符進(jìn)行方向分類以確定文檔方向。最終在CASIA-HWDB2.1文檔圖像測試集上測試,準(zhǔn)確率達(dá)到97.0%。2.提出了基于全卷積網(wǎng)絡(luò)（fully convolutional network.FCN）的字符分割方法,可以端到端的判斷文本行圖像每一列是否為分割線,... 

【文章來源】：天津師范大學(xué)天津市

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１?（ａ）正向手寫文檔（ｂ）正向文檔識別結(jié)果??⑷顛倒手寫文檔（ｄ）顛倒手寫文檔識別結(jié)果??傳統(tǒng)的圖像方向矯正多依賴人工設(shè)計(jì)的特征［２＜，人工設(shè)計(jì)的特征適應(yīng)性差，??

圖３－１?（ａ）?ＲＰＮ網(wǎng)絡(luò)結(jié)構(gòu)（ｂ）?ＲＰＮ檢測效果??為了生成區(qū)域建議，在這組共享卷積層的最后一層輸出的特征上，添加一個(gè)??小的映射網(wǎng)絡(luò)＝這個(gè)小網(wǎng)絡(luò)將特征上的ｎ＊ｎ空間窗口作為輸入，每個(gè)滑動窗都將??映射到一個(gè)低維特征。這個(gè)低維特征將同時(shí)被一個(gè)邊界框回歸層和一個(gè)邊界框分??

??類層作為輸入。如圖３－ｌ（ａ）所示，該映射網(wǎng)絡(luò)在特征圖上一個(gè)點(diǎn)的效果圖。注意??該映射網(wǎng)絡(luò)以滑動窗的形式在共享卷積層輸出的特征圖上每個(gè)點(diǎn)滑動，該映射網(wǎng)??絡(luò)的權(quán)重將在甸個(gè)位置的特征共享。整個(gè)ＲＰＮ網(wǎng)絡(luò)通過一個(gè)ｎ＊ｎ的卷積？和兩??個(gè)相鄰的１＊１的卷積層（分別用于邊界框回歸和邊界框分類）組成。??、、?ｍｕｌｔｉｐｌｅ?ｆｉｌｔｅｒ?ｓｉｚｅｓ??ｍ??（ａ）?（ｂ）??圖３－２?（ａ）圖像金字塔（ｂ）特征金字塔??對于共享卷積層最后一層輸出特征圖上的每個(gè)特征點(diǎn)，ＲＰＮ都為其提供ｋ??個(gè)建議區(qū)域。所以邊界回歸層的輸出為４ｋ個(gè)結(jié)點(diǎn)，分別表示ｋ個(gè)對象候選框，??邊界分類層輸出為２ｋ個(gè)結(jié)點(diǎn)，分別代表ｋ個(gè)建議區(qū)域是否為對象的概率。ｋ個(gè)??建議區(qū)域以該點(diǎn)為中心的相對位置表示，被稱為錨點(diǎn)。錨點(diǎn)以滑動窗的中心位置??為中心，可以擁有不同的尺寸和高寬比，如圖３－ｌ（ａ）所示。默認(rèn)情況下，ＲＰＮ中??的錨點(diǎn)將設(shè)置３個(gè)尺度和３種高寬比。對于共享卷積產(chǎn)生的Ｗ?＊?Ｈ的特征圖，??ＲＰＮ共產(chǎn)生Ｗ＊Ｈ＊ｋ個(gè)錨點(diǎn)�；谙鄬ξ恢煤突瑒哟暗模遥校尉W(wǎng)絡(luò)


本文編號：3070556