基于稀疏編碼特征的場(chǎng)景文本識(shí)別方法研究.pdf

1、場(chǎng)景文本識(shí)別主要研究的內(nèi)容是識(shí)別出自然場(chǎng)景環(huán)境下拍攝的圖像中所包含的文本。自然場(chǎng)景文本包括路牌、商業(yè)廣告、雜貨店店面和車牌號(hào)碼等。隨著計(jì)算機(jī)技術(shù)的發(fā)展，尤其是智能手機(jī)和數(shù)碼相機(jī)的發(fā)展，先進(jìn)的數(shù)碼設(shè)備越來越在人民群眾中普及，準(zhǔn)確地識(shí)別圖像中的文本也變得越來越有應(yīng)用價(jià)值，這也促使了更多的研究人員投入到這項(xiàng)研究中來。
　　本文主要描述了一種有效的基于稀疏編碼特征的場(chǎng)景文本識(shí)別方法，即稀疏編碼直方圖特征(HSC)。整個(gè)識(shí)別方法分為單字識(shí)別

2、以及單詞識(shí)別兩個(gè)階段。在單字識(shí)別階段，本文提出使用HSC特征代替梯度方向直方圖(HOG)特征，HSC特征相比于HOG特征，能更詳細(xì)表示圖像的結(jié)構(gòu)信息，在不增加時(shí)間復(fù)雜度的同時(shí)，又有效地提高了識(shí)別的精確度。在HSC特征的提取過程中，首先學(xué)習(xí)得到字典，該字典用來計(jì)算圖像上每個(gè)像素的稀疏編碼。字典的學(xué)習(xí)使用K-SVD分解方法，并按照類似HOG特征提取的方法聚集每個(gè)像素的稀疏編碼形成局部直方圖。在單詞識(shí)別階段，使用動(dòng)態(tài)規(guī)劃方法搜索最優(yōu)匹配以得到

3、識(shí)別結(jié)果。在動(dòng)態(tài)規(guī)劃的目標(biāo)函數(shù)中集成了多種信息，包括候選字符區(qū)域的每個(gè)類的字符識(shí)別分?jǐn)?shù)、候選字符區(qū)域之間的幾何關(guān)系和單詞包含的字符數(shù)。在搜索前，預(yù)先給定一定數(shù)量的單詞，最終的識(shí)別結(jié)果是通過搜索所有給定單詞中對(duì)應(yīng)于目標(biāo)函數(shù)最大值的路徑得到。這個(gè)路徑上的每一個(gè)點(diǎn)就是一個(gè)字符候選區(qū)域，最后順序連接起來形成最終結(jié)果。目標(biāo)函數(shù)中的參數(shù)通過最小分類錯(cuò)誤(MCE)的訓(xùn)練方法學(xué)習(xí)得到。在ICDAR2003、ICDAR2011和SVT這三個(gè)國際通用數(shù)據(jù)庫