基于图分割的文本提取方法研究

论文摘要

随着数字科技的迅速发展,从图像中提取文本信息的研究越来越受到人们的关注。图像中的文本能够提供有用的信息,是描述图像内容的关键,这些信息可以作为图像资料的自动注释、索引、压缩等方面的重要参考。从图像中提取文本信息需要经过文本区域检测、定位,字符提取,字符识别等步骤,文本字符提取是从图像中自动提取文本信息的重要一步。本文首先改进了一种基于图分割理论的阈值分割方法。将待处理的图像转为灰度值0~255的灰度图像,利用像素点和邻域内像素点的相似关系,构建一个256*256的灰度矩阵M。矩阵M表示了待处理图像的灰度图像内各灰度值的相似度,采用遍历的方式找出其中应用图谱分割评价标准的值最小的灰度值。选用这个灰度值,作为阈值分割点。本文提出了一种基于直方图的谱聚类分割方法。首先将待处理的图像转为灰度值0~255的灰度图像,利用像素点和邻域内像素点的相似关系,构建一个256*256的灰度矩阵M。然后应用图谱分割的算法,对矩阵M进行分类,最后的分类结果将256个灰度值分成了两类,进而实现了对原图像的分割。纹理是文本图像中的重要特征,文本区域往往具有不同于背景的特殊纹理。本文利用字符区域的纹理特征结合直方图的图谱分割方法,构建了一个二次聚类框架实现对复杂背景图像的字符提取。本文还将灰度图像中的字符提取方法推广到彩色图像中,对彩色图像的每一个分量应用基于直方图的图分割方法,运用投票策略,实现了彩色图像中的字符提取。最后,本文提出了一种用来评价字符提取效果的标准,在此标准下,验证了前文中提出的各种方法,实验结果表明,基于直方图的谱聚类字符分割方法优于阈值化分割,对具有复杂背景的字符图像能够有效地分离出字符。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 本课题的有关领域现状
• 1.2.1 文本提取研究现状
• 1.2.2 文本图像的分割现状
• 1.3 本课题的主要研究内容
• 1.3.1 适合文本图像的阈值分割方法
• 1.3.2 基于直方图的图分割方法
• 1.3.3 加入纹理的阈值分割方法
• 1.3.4 针对彩色图像的阈值分割方法
• 1.3.5 本文结构
• 第2章 基于灰度直方图的图谱分割字符提取
• 2.1 经典的阈值分割方法
• 2.1.1 灰度直方图峰谷法
• 2.1.2 最小误差法
• 2.1.3 最大类间方差法（otsu法）
• 2.1.4 最大熵自动阈值法
• 2.2 基于图谱分割的阈值分割
• 2.2.1 现有的基于图谱分割的阈值分割算法
• 2.2.2 适合文本图像的基于图谱分割的阈值分割算法
• 2.3 基于灰度直方图的图谱分割字符提取
• 2.3.1 常规阈值分割方法的不足
• 2.3.2 图谱分割理论
• 2.3.3 基于直方图的图分割方法
• 2.4 本章小结
• 第3章 二次聚类框架下的字符提取
• 3.1 基于谱分割的二次聚类框架
• 3.2 基于纹理特征的谱分割
• 3.2.1 利用共生矩阵提取纹理特征
• 3.2.2 利用Gabor滤波器提取纹理特征
• 3.3 彩色文本图像中的字符分割
• 3.3.1 直接灰度化的缺陷
• 3.3.2 基于投票法的彩色文本图像的文本字符提取
• 3.4 本章小结
• 第4章 性能评价
• 4.1 字符分割评价标准
• 4.2 实验结果对比
• 4.3 本章小结
• 结论
• 参考文献
• 致谢