基于自适应LBP的图像文本检测算法

论文摘要

字符区准确且快速的定位，是有效提取图像中字符信息的首要步骤。然而，因为文本与图像背景一样复杂,具有不同的大小、类型和排列方式，所以文本检测仍然是一个重要且困难的问题。目前，国内外的研究成果越来越多，可是这些方法在实际的应用中，其可行性、精确性和算法的实时性，仍然不能被同时满足。因此，研究低复杂度、有效的文本检测算法在图像分析技术中具有重大意义。本文着重于研究低复杂度、有效的文本检测算法，主要工作有：(1)针对已有的LBP算法自适应性弱的缺点，提出一种自适应阈值的LBP算法。该算法利用全局及局部的像素灰度均差来决定自适应阈值的大小，能最大限度的去除复杂背景。其中，全局的像素灰度均差用来区分整个图像的纹理，局部像素均差则用来加强局部纹理的区分度。实验结果显示，此算法不仅自适应性强，而且在灰度范围内具有严格的单调不变性，纹理分类能力强。(2)针对已有的区域生长算法复杂度高的缺点，提出一种低复杂度的区域生长算法。该算法采用近似圆替代多角度旋转的长方形作为掩模，覆盖多方向性判决，简化算法，降低其复杂度，遍历整个图像，然后根据窗口内密度大小确定种子像素，合并相邻类似像素，形成文本区域。实验结果显示，本文算法不仅算法复杂度低，而且与原区域生长算法等效。(3)为了全面的验证本文算法的有效性和可行性，将原LBP算法、自适应阈值LBP算法、原区域生长算法和低复杂度区域生长算法这四种算法组合，统计相应性能指标，做出实验分析。实验结果显示，本文所提出的基于自适应阈值LBP的低复杂度区域生长算法，在复杂背景情况下也能取得较高的检测率，具有良好的自适应性和实用性，并且算法复杂度低。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 第1章 绪论
• 1.1 研究的背景与意义
• 1.2 文本的特点分析
• 1.2.1 文本分类
• 1.2.2 文本特征
• 1.3 国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 存在的问题与难点
• 1.5 本文研究内容
• 1.6 本文组织结构
• 第2章 图像文本检测相关技术综述
• 2.1 图像预处理
• 2.1.1 图像预处理的目的
• 2.1.2 图像预处理的基本技术
• 2.2 LBP 相关算法研究与分析
• 2.2.1 自适应局部二值模式
• 2.2.2 中心化二值模式
• 2.2.3 局部三值模式
• 2.2.4 不完全局部二值模式
• 2.2.5 平均局部二值模式
• 2.3 图像文本检测算法分类分析
• 2.3.1 基于纹理的方法
• 2.3.2 基于边缘检测的方法
• 2.3.3 基于连通域的方法
• 2.4 本章小结
• 第3章 基于自适应阈值的 LBP 算法
• 3.1 LBP 算法概述
• 3.1.1 基础 LBP 算子的原理
• 3.1.2 文本检测算法中的 LBP 算子
• 3.1.3 文本检测算法中 LBP 算子的特点与不足
• 3.2 改进的 LBP 纹理分类算法
• 3.3 实验结果对比与分析
• 3.4 本章小结
• 第4章 低复杂度的区域生长算法
• 4.1 区域生长算法
• 4.1.1 区域生长算法的原理
• 4.1.2 多方向区域生长算法
• 4.1.3 多方向区域生长算法的特点与不足
• 4.2 改进的快速区域生长算法
• 4.2.1 近似圆掩模算法
• 4.2.2 快速算法
• 4.3 算法复杂度分析
• 4.4 实验结果对比与分析
• 4.4.1 形态学方法与本文方法对比分析
• 4.4.2 算法等效性实验分析
• 4.5 本章小结
• 第5章 图像文本检测实验
• 5.1 图像文本检测的工作流程
• 5.2 实验结果对比与分析
• 5.3 运行实例
• 5.4 本章小结
• 总结与展望
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文