復(fù)雜背景下的文本定位技術(shù)應(yīng)用研究.pdf

1、圖像中的文本對(duì)于整個(gè)圖像的語(yǔ)義理解、圖像檢索等應(yīng)用具有非常重要的作用，在諸如Internet環(huán)境下的圖像檢索、交通管理中的車牌識(shí)別等應(yīng)用中也具有廣闊的發(fā)展空間。要獲取圖像中的文本就需要利用文本定位方法?？梢哉f(shuō)文本定位是這些實(shí)踐應(yīng)用的基礎(chǔ)。當(dāng)前的文本定位技術(shù)還不成熟，無(wú)法滿足實(shí)踐應(yīng)用的需要。因此本文就是來(lái)解決復(fù)雜背景下的文本定位問(wèn)題。
　　本文首先對(duì)前人的相關(guān)工作進(jìn)行了分析與研究，分別從基于特征提取、基于機(jī)器學(xué)習(xí)以及基于這兩者相結(jié)合

2、的方法三個(gè)方面對(duì)文本定位方法進(jìn)行詳細(xì)的闡述，并且對(duì)這三類方法的優(yōu)缺點(diǎn)做出了簡(jiǎn)短的分析。其次本文以具有復(fù)雜背景的圖像為實(shí)踐應(yīng)用對(duì)象，提出三種文本定位方法：
　　(1)提出了一種基于主動(dòng)輪廓模型的文本定位方法。該方法首先將輸入的圖像經(jīng)過(guò)sobel-laplacian銳化后再由gaussian-laplacian進(jìn)行過(guò)濾。其次，預(yù)處理完成后的圖片首先通過(guò)改進(jìn)的主動(dòng)輪廓模型得到初始輪廓，然后再通過(guò)算法的反復(fù)迭代擴(kuò)大或縮小輪廓線得到最終輪廓

3、，最后通過(guò)后處理盡量排除非文本塊從而得到最終文本區(qū)。
　　(2)提出了基于顯著性檢測(cè)的文本定位方法。該方法首先以圖像四邊分別作為基準(zhǔn)對(duì)輸入的圖像進(jìn)行背景檢測(cè)，然后以背景檢測(cè)中得到的非背景區(qū)域作為基準(zhǔn)，對(duì)輸入的圖像進(jìn)行前景檢測(cè)，獲取較準(zhǔn)確的備選文本區(qū)，最后結(jié)合中心分割算法，得到最終的文本區(qū)域。
　　(3)提出了結(jié)合邊緣置信測(cè)度的文本定位方法。該方法首先引入置信測(cè)度并且將其用于于基于梯度的邊緣檢測(cè)中，然后通過(guò)梯度向量的估計(jì)、非極