复杂背景图像中的文本定位算法研究

论文摘要

目前，从复杂背景图像中快速而准确的识别出文本区域仍旧是国内外学者关注的热点问题。由于在很大程度上，系统的识别效果往往取决于图像文本区域定位的准确性，故图像文本定位是图像文本识别中非常关键的一步，文本定位的好坏将直接影响系统的识别结果。鉴于文本信息定位的出发点不同，待解决的问题针对性各样，且目前的文本定位算法还没有一个通用的标准数据库和评价准则，故要提出一个高检测率、低漏检率和低误检率的文本定位算法仍需要学者进行大量的深入研究工作。本文结合现有的图像文本定位技术，提出了一种基于边缘和滤波的形态学文本定位方法。利用边缘和滤波知识来提取初始文本块，对初始文本块进行增长以得到候选文本区域，再采用垂直Sobel算子提取笔画边缘并用边缘密度连接笔画边缘形成矩形区域，并引入垂直投影和水平投影来对候选文本区域进行初步定位。最后，再根据形态学限制和连通域分析准确定位出文本区域。实验结果表明，本文定位方法具有很高的精确度和提取率,文本定位区域准确且定位速度快。同时，针对图像中文本区域字符的角点信息较为丰富、分布密集且相对有序的特点，本文又提出了基于自适应Harris角点检测的文本定位算法，由于检测到的角点为像素点且文本区域中所含的角点多于非文本区，故本文引入像素点在某一区域面积中的占有率这一重要特性来判断最后得到的连通区域是否为文本区域。实验结果表明，该算法可以避免阈值的选择，有效地克服了因阈值选择不当而造成的角点冗余或丢失，提高了角点检测的精度，从而实现了文本区域的快速准确的定位。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题的研究背景与意义
• 1.2 文本定位的研究现状
• 1.3 存在的问题与难点
• 1.4 本文的研究内容
• 1.5 本文的组织结构
• 第2章 文本定位算法综述
• 2.1 引言
• 2.2 图像文本的分类
• 2.3 图像中文本的特征
• 2.4 图像文本定位流程
• 2.4.1 文本特征选择
• 2.4.2 文本特征提取
• 2.4.3 连续区域获取
• 2.4.4 候选文本区域提取
• 2.4.5 文本区域验证
• 2.5 图像文本定位算法的分类综述
• 2.5.1 基于连通域的方法
• 2.5.2 基于边缘的方法
• 2.5.3 基于纹理的方法
• 2.5.4 基于压缩域的方法
• 2.5.5 基于学习的方法
• 2.5.6 基于角点的方法
• 2.6 小结
• 第3章 图像处理相关基础知识
• 3.1 算术均值滤波
• 3.2 中值滤波
• 3.3 形态学图像处理
• 3.4 边缘检测法
• 3.4.1 Canny 算子基本原理
• 3.4.2 Sobel 算子基本原理
• 3.5 投影法
• 3.6 基于 Laplacian 算子的图像增强
• 3.7 角点检测
• 3.8 小结
• 第4章 一种基于边缘和滤波的形态学算法
• 4.1 引言
• 4.2 图像文本区域检测算法的框架
• 4.3 初始文本块的选取
• 4.4 文本块增长
• 4.5 初步获取文本区域位置
• 4.6 根据形态学限制和连通域分析准确定位
• 4.7 实验结果及其讨论
• 4.8 小结
• 第5章 基于自适应 HARRIS 角点检测的文本定位算法
• 5.1 引言
• 5.2 基于角点检测的文本定位算法框架
• 5.3 自适应 Harris 角点检测算法
• 5.3.1 Harris 角点检测原理
• 5.3.2 Harris 算法的优点与不足
• 5.3.3 改进的自适应 Harris 角点检测算法描述
• 5.4 角点合并和连通域分析
• 5.5 实验结果及其讨论
• 5.6 小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读硕士学位期间所发表的学术论文目录
• 附录 B 攻读硕士学位期间所参与的项目