图像中的文本检测与识别在图像检索、实时翻译、信息过滤等领域都有了广泛的应用,是目前计算机视觉、人工智能等领域的热门研究课题。文本检测识别技术主要分为文本检测、文本识别两大部分,其中文本检测是文本识别的前提,对文本识别的正确率有关键性的影响。虽然文本检测在水平、垂直方向的检测能力已经非常成熟,但是对于检测任意形状的文本区域,特别是对圆弧弯曲的文本区域仍然具有挑战。在文本识别方面,传统的光学字符识别技术(OCR)对文档图像的识别正确率达到接近百分之百,但是将其应用在自然场景下的文本时,其识别效果大幅度降低,主要原因在于自然场景图像中存在大量的背景干扰,并且该图像容易受到拍摄条件的影响。这些因素给图像中的文本检测与识别带来了极大的困难。本文对现有的文本检测与识别技术进行研究与改进,针对任意形状的文本区域,提出了一种基于DBSCAN聚类算法的文本检测算法,并针对弯曲文本区域进行过滤、校正处理,使得弯曲文本的识别正确率得到明显的提高。本文主要工作包括以下几个方面:(1)针对任意形状的文本区域,提出了一种基于DBSCAN聚类算法的文本检测算法。首先,对图像进行灰度化、直方图均衡化、图像平滑、二值化预处理后,将图像中的像素点位置信息转换为二维平面的数据点,同时根据图像的文本特征,利用DBSCAN聚类算法对数据点进行聚类,进而获得图像中的文本候选区域,并有效过滤非文本区域,是对任意形状文本进行检测的一种创新思路。(2)针对文本候选区域存在嵌套的情况,设计了一种通过矩形文本候选区域面积比较的方法对嵌套区域进行过滤,同时针对弯曲文本区域存在包含过多背景等干扰元素的情况,设计了一种优化凸包算法的过滤方法进行过滤。在优化凸包算法的基础上,对Alpha Shape算法参数取值方法进行优化,并对弯曲文本区域进行进一步过滤,有效减少背景的干扰。(3)为了提高弯曲文本的识别正确率,结合仿射变换与极坐标变换,设计了一种弯曲文本校正的方法,实现弯曲文本的水平化。首先进行字符分割,再利用仿射变换进行粗处理,使分割后的文本区域尽可能水平摆放,最后针对弯曲文本区域的弯曲部分,利用极坐标变换进行精处理,最终实现弯曲文本区域整体水平化。(4)最后,利用AI开放平台实现对文本区域的字符识别,并进行对比实验。从实验结果看,本文算法对弯曲文本进行校正后,其正确率有明显的提高,具有较大的理论意义和实用价值。