基于自適應(yīng)LBP的圖像文本檢測算法.pdf

1、字符區(qū)準(zhǔn)確且快速的定位，是有效提取圖像中字符信息的首要步驟。然而，因?yàn)槲谋九c圖像背景一樣復(fù)雜，具有不同的大小、類型和排列方式，所以文本檢測仍然是一個重要且困難的問題。目前，國內(nèi)外的研究成果越來越多，可是這些方法在實(shí)際的應(yīng)用中，其可行性、精確性和算法的實(shí)時性，仍然不能被同時滿足。因此，研究低復(fù)雜度、有效的文本檢測算法在圖像分析技術(shù)中具有重大意義。本文著重于研究低復(fù)雜度、有效的文本檢測算法，主要工作有：
　　 (1)針對已有的LBP

2、算法自適應(yīng)性弱的缺點(diǎn)，提出一種自適應(yīng)閾值的LBP算法。該算法利用全局及局部的像素灰度均差來決定自適應(yīng)閾值的大小，能最大限度的去除復(fù)雜背景。其中，全局的像素灰度均差用來區(qū)分整個圖像的紋理，局部像素均差則用來加強(qiáng)局部紋理的區(qū)分度。實(shí)驗(yàn)結(jié)果顯示，此算法不僅自適應(yīng)性強(qiáng)，而且在灰度范圍內(nèi)具有嚴(yán)格的單調(diào)不變性，紋理分類能力強(qiáng)。
　　 (2)針對已有的區(qū)域生長算法復(fù)雜度高的缺點(diǎn)，提出一種低復(fù)雜度的區(qū)域生長算法。該算法采用近似圓替代多角度旋轉(zhuǎn)的

3、長方形作為掩模，覆蓋多方向性判決，簡化算法，降低其復(fù)雜度，遍歷整個圖像，然后根據(jù)窗口內(nèi)密度大小確定種子像素，合并相鄰類似像素，形成文本區(qū)域。實(shí)驗(yàn)結(jié)果顯示，本文算法不僅算法復(fù)雜度低，而且與原區(qū)域生長算法等效。
　　 (3)為了全面的驗(yàn)證本文算法的有效性和可行性，將原LBP算法、自適應(yīng)閾值LBP算法、原區(qū)域生長算法和低復(fù)雜度區(qū)域生長算法這四種算法組合，統(tǒng)計(jì)相應(yīng)性能指標(biāo)，做出實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果顯示，本文所提出的基于自適應(yīng)閾值LBP的低