论文部分内容阅读
场景图像往往含有丰富的文本信息,能够为许多基于图像的应用提供重要的线索,比如场景感知、辅助导航以及车辆跟踪等。所以场景图像文本信息的提取具有重要价值。场景图像文本处理系统主要包括两个重要模块:文本区域定位以及文字识别。而文本区域定位作为文字识别的重要前提,其研究与探索具有十分重要的意义。目前,虽然关于文本区域定位技术的研究取得了一定进展,但是由于场景图像中背景信息的复杂性,以及存在各种外界因素的干扰,场景图像中文本区域的定位仍然存在巨大挑战。本文设计了一种新的场景图像文本区域定位方法,其主要研究内容如下:1.最大稳定极值区域与角点特征相结合的场景图像文本区域初步定位方法。最大稳定极值区域(MSER)特征对光照和视角变化具有较好的适应性,所以本文提出一种基于MSER特征的场景图像文本区域初步定位方法。首先,分析了MSER检测算法直接用于场景图像进行特征提取时所存在的问题,并针对问题提出了一种基于直方图均衡化技术和灰度形态学运算相结合的场景图像预处理方法,在预处理后的场景图像中提取MSER特征。然后,对提取的MSER特征进行连通域分析,并使用启发式规则对文本候选区域进行筛选。最后,根据场景图像文本区域中包含丰富角点信息这一特性,给出结合角点特征对候选区域进行进一步筛选的思想,完成初步定位。2.场景图像文本区域初步定位结果二次判别。鉴于初步定位结果中仍含有部分非文本区域,采用笔画宽度特征对初步定位结果进行二次判别。针对SWT算法特征提取时存在的不完整性问题,提出了一种基于图像颜色信息和文字边缘像素梯度信息相结合的改进方法。采用笔画宽度特征对初步定位结果进行判别,进一步去除非文本区域。3.文本行定位结果矫正。通过文本行构建算法将二次判别结果区域进行连接,得到文本行定位结果。但是对于发生旋转、仿射和投影变换的文本区域,其文本行定位结果存在文本框之间相互重叠、文本区域包含较多背景噪声以及文字存在变形等问题。采用低秩分解技术对存在上述问题的文本区域进行矫正,获得精确的场景图像文本区域定位结果。本文最后给出了部分定位实验和矫正实验的相关结果,并与其它算法进行了对比分析。实验结果表明本文算法对于复杂背景以及环境因素都具有较强的适应性,同时通过低秩分解技术完成了倾斜文本行的定位,实现了仿射、投影变换文本区域中变形文字的矫正,并且定位速度也有相对提高。