论文部分内容阅读
随着多媒体网络技术的发展,大量场景图片进入了人们的学习、生活和工作当中,场景中的文本信息作为一种重要的语义信息,对场景的理解、分析和检索有着重要的作用。因为自然场景中文本的颜色五颜六色,字体大小不一,这使得场景中的文本定位比起传统文档文本定位更加具有复杂性,因此场景中的文本定位成为了计算机视觉中的重要研究课题。本文在研究和总结近10年国内外文本定位方法的基础之上,对场景文本定位进行了深入研究,提出一种基于Adaboost的场景文本定位方法,主要包含图像的预处理、生成候选文本区域、特征提取和候选文本区域的分类四部分。在预处理阶段,通过实验比较了灰度化处理的三种方法,最大值法、平均值法和加权平均值法,并对实验结果的优缺点进行对比分析,提出了选用加权平均值的方法对图像进行灰度化处理;提出了一种基于改进的Sobel算子边缘检测算法,实验结果表明,本方法不仅能够有效地提取图像的边缘,而且能够很好地解决边缘检漏问题,并且具有一定的抗噪性能。在生成候选文本区域过程中,本文提出了使用文本尺寸特征和边缘密度特征来表征文本字符特征,实验表明,利用这两种特征对连通区域进行分析与筛选,能够大量地排除明显不属于文本区域的连通区域,最终得到候选文本区域。本文提取了4类场景文本特征,分别是Gabor特征、笔画密度、纹理统计特征和图像导数的方差和期望,实验结果表明,这4类文本特征分别构建的分类器对文本区域的分类都有一定的作用。本文通过改进经典的Adaboost算法,提出基于Adaboost的场景文本定位方法,利用分类与回归决策树((CART,Classification And Regression Tree)的Adaboost算法对4类本文提取的文本特征生成的弱分类器进行组合,生成了一个对场景文本区域具有很强分类能力的场景文本分类器,然后利用Adaboost强分类器对候选文本区域进行筛选,最终获得了正确的文本区域。本文建立的数据库包含了300幅自然场景图像,分类器的训练样本为200幅图像,分类器的测试样本为100幅图像。本文所提出的方法对文本进行定位的准确率为82.8%,召回率为85.8%。实验表明,利用同样的测试样本,本文定位方法优于文献所提供的的方法,不仅对场景文本图像中字体、大小和颜色多变的文本具有很好的定位效果,并且具有非常高的召回率和准确率。