本文關(guān)鍵詞：自然場(chǎng)景圖像中文本提取技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：作為人類思想和情感的載體,文本包含著至關(guān)重要的信息。自然場(chǎng)景圖像中的文本提取在導(dǎo)航、敏感信息監(jiān)管、場(chǎng)景理解、人機(jī)交互、基于內(nèi)容的圖像檢索技術(shù)等方面都有廣闊的應(yīng)用前景,成為近年來(lái)研究的熱點(diǎn)。本文依托國(guó)家“十二五”863計(jì)劃主題項(xiàng)目“電信網(wǎng)安全系統(tǒng)(二期)”,圍繞自然場(chǎng)景圖像中文本提取中的兩個(gè)關(guān)鍵技術(shù),文本檢測(cè)和文本識(shí)別分別進(jìn)行研究,并最終構(gòu)建成場(chǎng)景文本提取系統(tǒng)。主要工作和貢獻(xiàn)如下：1.提出了一種基于樹修剪和多特征融合的場(chǎng)景文本檢測(cè)算法。首先,提取出圖像中的邊緣疊加的最大穩(wěn)定極值區(qū)作為字符候選區(qū)域,針對(duì)這些區(qū)域往往存在大量的重復(fù)文本區(qū)域和非文本區(qū)域?qū)?huì)干擾后續(xù)檢測(cè)的問(wèn)題,基于最大穩(wěn)定極值區(qū)構(gòu)成的樹結(jié)構(gòu),利用父子節(jié)點(diǎn)的寬高比和面積比,將重復(fù)的極值區(qū)域剔除；然后,利用場(chǎng)景文本的筆畫特征和邊緣上的梯度直方圖特征在區(qū)分文本區(qū)域和非文本區(qū)域上的互補(bǔ)性,基于貝葉斯分類器對(duì)兩種特征進(jìn)行融合以剔除非文本區(qū)域；最后再根據(jù)字符的顏色、筆畫寬度、大小等特征,設(shè)定規(guī)則作為相似性標(biāo)準(zhǔn)合并文本區(qū)域。實(shí)驗(yàn)結(jié)果表明,本文檢測(cè)算法的綜合性能指標(biāo)略高于同類方法,且處理速度有較大提升。2.提出了一種基于稀疏編碼直方圖的場(chǎng)景文本識(shí)別算法。在上述的場(chǎng)景文本檢測(cè)方法產(chǎn)生的候選文本區(qū)域內(nèi)使用此方法進(jìn)一步對(duì)文本進(jìn)行識(shí)別。首先,根據(jù)圖像中文本外觀復(fù)雜多變等特點(diǎn),采用稀疏編碼直方圖特征對(duì)字符外觀進(jìn)行描述；然后,以構(gòu)建稀疏編碼直方圖特征改進(jìn)基于部件的樹結(jié)構(gòu)模型用于描述字符結(jié)構(gòu),并使用該模型得到單個(gè)字符的檢測(cè)分?jǐn)?shù)；最后,在字符識(shí)別結(jié)果的基礎(chǔ)上,利用字符的檢測(cè)分?jǐn)?shù),相鄰字符區(qū)域的空間位置信息和語(yǔ)言知識(shí)融合構(gòu)建條件隨機(jī)場(chǎng)模型識(shí)別單詞。實(shí)驗(yàn)結(jié)果表明,本文識(shí)別方法的識(shí)別率高出同類方法5.35%。3.基于本文提出的基于樹修剪和多特征融合的場(chǎng)景文本檢測(cè)算法以及基于稀疏編碼直方圖的場(chǎng)景文本識(shí)別方法,設(shè)計(jì)了場(chǎng)景文本提取系統(tǒng)的主要功能模塊、組成結(jié)構(gòu)、處理流程等,并基于MATLAB進(jìn)行仿真。最后,利用通用數(shù)據(jù)集和現(xiàn)網(wǎng)中采集到的圖片對(duì)系統(tǒng)性能進(jìn)行了驗(yàn)證。
【關(guān)鍵詞】：場(chǎng)景文本提取 最大穩(wěn)定極值區(qū) 貝葉斯分類器 可變形部件模型 條件隨機(jī)場(chǎng)模型 稀疏編碼直方圖
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-17
• 1.1 研究背景及意義11-12
• 1.2 自然場(chǎng)景文本提取面臨的挑戰(zhàn)12-15
• 1.2.1 自然場(chǎng)景中的文本分類12-13
• 1.2.2 自然場(chǎng)景中文本提取面臨的挑戰(zhàn)13-14
• 1.2.3 現(xiàn)有自然場(chǎng)景文本提取方法存在的問(wèn)題14-15
• 1.3 本文研究貢獻(xiàn)和組織結(jié)構(gòu)15-17
• 1.3.1 本文主要貢獻(xiàn)15-16
• 1.3.2 本文組織結(jié)構(gòu)16-17
• 第二章 場(chǎng)景文本提取方法概述17-23
• 2.1 場(chǎng)景文本檢測(cè)的研究現(xiàn)狀17-18
• 2.1.1 基于連通區(qū)域分析的方法17
• 2.1.2 基于滑動(dòng)窗口分類的方法17-18
• 2.1.3 現(xiàn)有方法的對(duì)比分析18
• 2.2 場(chǎng)景文本識(shí)別的研究現(xiàn)狀18-19
• 2.2.1 字符識(shí)別18-19
• 2.2.2 單詞識(shí)別19
• 2.2.3 現(xiàn)有方法的對(duì)比分析19
• 2.3 常用數(shù)據(jù)集及算法評(píng)估指標(biāo)19-22
• 2.3.1 數(shù)據(jù)集20-21
• 2.3.2 算法評(píng)估指標(biāo)21-22
• 2.4 本章小結(jié)22-23
• 第三章 基于樹修剪和多特征融合的場(chǎng)景文本檢測(cè)23-31
• 3.1 場(chǎng)景文本檢測(cè)23-28
• 3.1.1 邊緣疊加的MSER提取23-24
• 3.1.2 基于MSER樹修剪的重復(fù)文本候選區(qū)域剔除24-25
• 3.1.3 基于貝葉斯多特征融合的非文本候選區(qū)域剔除25-27
• 3.1.4 基于文本結(jié)構(gòu)特點(diǎn)的文本候選區(qū)域合并27-28
• 3.2 實(shí)驗(yàn)結(jié)果及分析28-29
• 3.3 本章小結(jié)29-31
• 第四章 基于稀疏編碼直方圖的場(chǎng)景文本識(shí)別31-41
• 4.1 場(chǎng)景文本識(shí)別算法流程31
• 4.2 字符的稀疏編碼直方圖特征描述31-32
• 4.2.1 稀疏編碼表示局部特征描述子31-32
• 4.2.2 稀疏編碼直方圖聚合32
• 4.2.3 高維稀疏編碼描述子降維32
• 4.3 基于HSC-TSM的字符識(shí)別32-34
• 4.4 基于CRF模型的單詞識(shí)別34-36
• 4.4.1 基于樹結(jié)構(gòu)的圖構(gòu)建35
• 4.4.2 代價(jià)函數(shù)35
• 4.4.3 基于TRW-S算法的單詞推斷35-36
• 4.5 實(shí)驗(yàn)結(jié)果及分析36-39
• 4.5.1 字符識(shí)別的結(jié)果及分析36-37
• 4.5.2 單詞識(shí)別的結(jié)果及分析37-39
• 4.6 本章小結(jié)39-41
• 第五章 場(chǎng)景文本提取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)41-47
• 5.1 系統(tǒng)總體設(shè)計(jì)41-44
• 5.1.1 系統(tǒng)主要功能41-42
• 5.1.2 系統(tǒng)組成結(jié)構(gòu)42
• 5.1.3 系統(tǒng)流程42-44
• 5.2 系統(tǒng)性能測(cè)試及分析44-45
• 5.2.1 測(cè)試集構(gòu)造44
• 5.2.2 測(cè)試結(jié)果與分析44-45
• 5.3 本章小結(jié)45-47
• 第六章 總結(jié)與展望47-49
• 6.1 本文的工作總結(jié)47-48
• 6.2 下一步研究工作展望48-49
• 致謝49-51
• 參考文獻(xiàn)51-57
• 作者簡(jiǎn)歷 攻讀碩士學(xué)位期間完成的主要工作57

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 張偉偉;湯光明;孫怡峰;李曉利;;基于DPM的自然場(chǎng)景下漢字識(shí)別方法[J];計(jì)算機(jī)應(yīng)用研究;2013年03期

2 何耀平;徐麗珍;;自然場(chǎng)景下交通標(biāo)志的自動(dòng)識(shí)別算法[J];微計(jì)算機(jī)信息;2010年04期

3 莊越挺,劉駿偉,吳飛,潘云鶴,張引;基于支持向量機(jī)的視頻字幕自動(dòng)定位與提取[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2002年08期

  本文關(guān)鍵詞：自然場(chǎng)景圖像中文本提取技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：336791