基于學習的自然背景中文本提取.pdf

1、自然背景中的文本識別具有巨大的應用價值。但由于場景非常復雜，字符又形態(tài)多樣，其應用一直受限于定位和分割技術的不足。本文經(jīng)過大量研究，提出了一種基于學習的自然場景中文本提取算法。該算法首先將原始圖片通過NLNiblack分解為許多連通分量，包括文本連通分量與非文本連通分量。為了達到從背景中定位與分割文本的目的，文本連通分量被保留同時非文本連通分量被丟棄。 本文共提出17個文本特征來區(qū)分文本連通分量與非文本連通分量。接著，本文算法用

2、一個級聯(lián)分類器和一個SVM組成的兩階段分類模型來驗證這些連通分量。級聯(lián)分類器由17個弱分類器串聯(lián)組成，其中每個弱分類器關注一個特征。級聯(lián)的第一個弱分類器接受所有分解的連通分量，一旦判斷輸入連通分量是非文本則立即將其丟棄，否則傳入下一級弱分類器。每一級弱分類器都如此工作，直到整個級聯(lián)的結(jié)束。大多數(shù)非文本會被級聯(lián)分類器過濾掉，而SVM則在此基礎上做進一步的驗證來取得更為精確的分類結(jié)果。最終輸出是只有文本的二值圖像。這種基于兩階段分類的模型有