隨著近代計算機技術(shù)的飛速發(fā)展,諸如車牌識別、電子文檔識別、商務(wù)票據(jù)管理、拍照翻譯等應(yīng)用場景隨處可見,如果利用光學(xué)字符識別(Optical Character Recognition,簡稱OCR)技術(shù)對圖像進行自動文字識別減少人們工作,將大幅提高人們的工作效率和生活品質(zhì)。因此,OCR技術(shù)成為了計算機視覺技術(shù)中的重要發(fā)展方向之一。在自然場景中,獲取的文字圖像會因為拍攝時的對焦不準、光線不足、噪點太多、角度傾斜、成像畸變等問題,以及文字存在具有不同的大小、字體、顏色、排列方式等差異化問題,導(dǎo)致文字識別準確率較差。因此,針對自然圖像中文字區(qū)域傾斜導(dǎo)致圖片質(zhì)量較差的問題,本文提出了一體化的光學(xué)檢測和識別系統(tǒng),提出基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的文字圖像檢測方法,并且利用循環(huán)神經(jīng)網(wǎng)絡(luò)重點解決了文字圖像識別的難題。具體內(nèi)容如下:首先針對文字檢測模塊提出了基于YOLO-text網(wǎng)絡(luò)的文字檢測與校正方法,選取了目標檢測網(wǎng)絡(luò)YOLOv3作為基礎(chǔ),優(yōu)化改進了YOLOv3不適合做文字檢測的缺點。并在YOLO-text的基礎(chǔ)上,為解決在自然場景圖像中存在非水平文字區(qū)域的問題,提出使用“微積分思想”的先檢測字母邊界框,再將...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
縮略語對照表
第一章 緒論
    1.1 論文研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 文字檢測研究的發(fā)展
        1.2.2 文字識別研究的發(fā)展
    1.3 本文主要貢獻及組織結(jié)構(gòu)
第二章OCR相關(guān)技術(shù)基礎(chǔ)
    2.1 OCR系統(tǒng)流程
    2.2 圖像預(yù)處理方法
        2.2.1 圖像二值化
        2.2.2 字符分割
    2.3 神經(jīng)網(wǎng)絡(luò)理論
        2.3.1 神經(jīng)網(wǎng)絡(luò)簡介
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.4 損失函數(shù)
        2.3.5 反向傳播算法
        2.3.6 神經(jīng)網(wǎng)絡(luò)常用方法
    2.4 本章小結(jié)
第三章 基于YOLO-text的文字檢測及校正模塊設(shè)計
    3.1 引言
        3.1.1 文字檢測流程
        3.1.2 關(guān)于目標檢測網(wǎng)絡(luò)選擇的討論
    3.2 YOLO-text網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    3.3 文字校正
        3.3.1 基于微積分思想的文字校正
        3.3.2 基于角度回歸思想的文字校正
    3.4 本章小結(jié)
第四章 基于STN-text的文字識別模塊設(shè)計
    4.1 引言
        4.1.1 文字識別流程
        4.1.2 CRNN簡介
    4.2 文字圖像預(yù)處理
    4.3 STN-text網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    4.4 本章小結(jié)
第五章 自然場景文字檢測與識別系統(tǒng)設(shè)計與實驗分析
    5.1 自然場景文字檢測與識別系統(tǒng)介紹
    5.2 文字檢測模塊實驗分析
        5.2.1 數(shù)據(jù)集簡介
        5.2.2 對比方法介紹
        5.2.3 對比實驗結(jié)果與分析
    5.3 文字識別模塊實驗分析
        5.3.1 數(shù)據(jù)集介紹
        5.3.2 對比方法介紹
        5.3.3 STN-text代碼的構(gòu)建
        5.3.4 對比實驗結(jié)果與分析
    5.4 系統(tǒng)實驗與結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 研究計劃展望
參考文獻
致謝
作者簡介
    1. 基本狀況
    2. 教育背景



本文編號：3780431