自然场景下的文本定位与提取

论文摘要

自然场景下的文本定位与提取是当前热门且有实际应用意义的课题。随着高性能、低价格的便携数码产品的普及,场景文本的提取和识别正在快速发展。本文在对现有方法进行分析研究以后,结合自然场景中文本的特征,提出了新的解决方案。本文采用改进的Niblack阈值分割法和8邻接的连通域标记法提取场景图像中的连通分量,然后通过先验知识对连通分量进行限制,剔除比较明显的非文本连通分量,再通过机器学习方法之一——支持向量机(Support Vector Machine, SVM)法对中间结果进行验证,剔除先验知识没有排除掉的非文本连通分量,最终得到文本连通分量。实验结果表明本文所用的方法准确有效。为了更有利于识别,本文还对文本块进行二值化和倾斜校正处理。本文将基于Fisher准则的二值化方法应用在文本块的二值化上,利用Fisher准则函数自动选择最佳色彩特征,然后用Otsu法进行分割,分割效果良好,非常适合背景不太复杂的彩色文本块的分割。在对倾斜的文本行进行倾斜校正时,本文提出了一种用一组等距平行线探测倾斜角的方法,再根据倾斜角进行校正。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 自然场景文本提取的意义及应用
• 1.1.1 自然场景文本提取的意义
• 1.1.2 自然场景文本提取的应用
• 1.2 文本定位及提取的研究现状
• 1.2.1 基于连通成分的方法
• 1.2.2 基于边缘的方法
• 1.2.3 基于纹理分析的方法
• 1.2.4 基于机器学习的方法
• 1.3 字符识别系统框架
• 1.4 文本分类
• 1.5 自然场景文本提取的主要难点
• 1.6 本文主要内容及各章安排
• 第二章 连通分量提取和分析
• 2.1 定位算法流程
• 2.2 图像预处理及分割
• 2.2.1 最近邻法图像缩放
• 2.2.2 常见分割算法介绍
• 2.2.3 从彩色图像转换成灰度图像
• 2.2.4 中值滤波去除噪声
• 2.2.5 改进的Niblack 阈值分割算法
• 2.2.6 形态学处理
• 2.3 连通域标记
• 2.4 连通分量特征提取
• 2.4.1 字符大小特征
• 2.4.2 字符形状特征
• 2.4.3 字符笔划特征
• 2.4.4 粗糙度特征
• 2.4.5 对比度特征
• 2.5 先验知识限制
• 2.6 本章小结
• 第三章 基于SVM 和连通分量分析的文本定位
• 3.1 引言
• 3.2 SVM 基本原理
• 3.3 SVM 应用的一般流程
• 3.3.1 SVM 模型选择
• 3.3.2 SVM 训练样本集选择
• 3.4 SVM 工具箱介绍
• 3.5 利用SVM 进行文本定位
• 3.5.1 文本定位中 SVM 的模型选择
• 3.5.2 连通分量特征提取
• 3.5.3 训练SVM
• 3.5.4 利用训练好的SVM 进行连通分量分类
• 3.6 实验结果及讨论
• 3.7 本章小结
• 第四章 文本区域提取及文本块的预处理
• 4.1 引言
• 4.2 文本区域提取
• 4.2.1 合并包围盒
• 4.2.2 基于最小生成树的文本区域提取
• 4.3 文本块的二值化
• 4.4 文本的倾斜校正
• 4.5 本章小结
• 第五章 字符识别
• 5.1 引言
• 5.2 字符图像预处理
• 5.2.1 去噪
• 5.2.2 字符的归一化
• 5.2.3 字符的细化
• 5.3 字符识别常见方法
• 5.3.1 结构模式识别法
• 5.3.2 统计模式识别法
• 5.3.3 人工神经网络
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文
• 上海交通大学硕士学位论文答辩决议书