改進的超像素和Graphcuts的圖像分割方法研究.pdf

1、在自然圖像中存在大量的文本信息，如交通指示標志，廣告宣傳牌，商家招牌，建筑物標示，街道編號等，這些文本信息屬于高層視覺元素，為場景的理解、分析提供豐富而關鍵的線索，因此研究出一種自動識別文本信息的工具，進而對文本進行后續(xù)的相關檢索、分析有重要意義?？蓱糜趫D像檢索，智能監(jiān)控，盲人導航等領域。
　　圖像分割作為計算機視覺領域基礎但是關鍵的一個步驟，實現文本的自動識別自然離不開對圖像中的文本進行分割。自然場景圖像由于背景較為復雜，且圖

2、像易受拍攝角度及光線的影響而產生變形、模糊、斷裂等現象，因此傳統(tǒng)的文檔分割技術應用于復雜自然場景文本分割時效果不佳，更有效的針對復雜自然場景的文本分割技術仍是目前計算機視覺和文檔分析領域的研究熱點之一。
　　本文針對復雜背景圖像中的文本分割進行相關研究，主要工作有以下幾部分：
　　受超像素這一概念的啟發(fā)，為了減少圖像局部信息冗余，提高圖模型效率，本文用超像素區(qū)域代替像素點構建加權圖模型。因此本文首先介紹了超像素這一新近概念的

3、發(fā)展背景和歷史，通過梳理各種超像素的生成方法，評價其適用各種場景的優(yōu)缺點后，選擇出適用于本文的基于SLIC超像素生成算法并進行適當改進。
　　在簡要介紹圖割基本原理的基礎上，分析能量函數的構造，歸納出基于圖割的圖像分割步驟。其次，針對場景文本的復雜性，提出一種基于改進的超像素和GraphCuts的場景文本分割方法。該方法用預分割后的超像素代替像素點構件圖模型，運用兩種模型（GMMs模型和基于SVM的后驗概率模型）代替單一GMMs模