基于機(jī)器學(xué)習(xí)的自然圖像中文本檢測(cè)及多文種辨識(shí)方法研究.pdf

1、文字在人類思想情感以及文化傳承中是十分重要的符號(hào)工具，在社會(huì)生產(chǎn)生活的各個(gè)方面都體現(xiàn)出了文字的重要性與不可替代性。在現(xiàn)代城市環(huán)境中，文字是普遍存在的元素，如海報(bào)、道路標(biāo)志、牌匾燈箱等，其中不乏大量的文字信息。在自然圖像中，文字所表達(dá)的語(yǔ)義信息是理解圖像內(nèi)容時(shí)一個(gè)很重要的參考信息。自然圖像中的文種辨識(shí)是基于內(nèi)容的圖像檢索和多語(yǔ)種系統(tǒng)開(kāi)發(fā)領(lǐng)域的一個(gè)重要方向。在自然圖像場(chǎng)景中文字的檢測(cè)及其文種的辨識(shí)有相當(dāng)大的難度:不同自然場(chǎng)景中的文字含有不同

2、的特性，例如顏色不同、數(shù)量不一、大小與間隔不同等;而且在自然圖像中，文字的背景往往很復(fù)雜，同時(shí)存在著諸如噪聲、傾斜和透視變換等各種問(wèn)題。這些都對(duì)自然圖像中的文字檢測(cè)和文種辨識(shí)工作帶來(lái)了極大的困難。如何有效地對(duì)包含有多種語(yǔ)言文字的自然圖像進(jìn)行處理成為自然場(chǎng)景分析與理解中亟待解決的難題。本學(xué)位論文提出了一種基于視覺(jué)顯著性和邊緣密集度的文本區(qū)域檢測(cè)方法以及基于圖像特征和機(jī)器學(xué)習(xí)方法的文種辨識(shí)方法。
　　首先，提出了基于視覺(jué)顯著性和邊緣密

3、集度的文本區(qū)域檢測(cè)方法。該文本區(qū)域檢測(cè)方法通過(guò)多尺度譜殘差方法來(lái)檢測(cè)視覺(jué)顯著性區(qū)域，接著在視覺(jué)顯著性區(qū)域內(nèi)使用Sobel算子來(lái)對(duì)圖像進(jìn)行檢測(cè)邊緣，通過(guò)計(jì)算圖像的邊緣密集度，再使用數(shù)學(xué)形態(tài)學(xué)方法對(duì)圖像邊緣進(jìn)行預(yù)處理，最終通過(guò)自然圖像中文字排列的先驗(yàn)知識(shí)來(lái)檢測(cè)文本區(qū)域。
　　其次，提出了基于基本圖像特征與機(jī)器學(xué)習(xí)方法的文種辨識(shí)方法。該方法對(duì)阿拉伯?dāng)?shù)字、英文、俄文、日文假名、簡(jiǎn)體中文和朝鮮文構(gòu)建了文字樣本圖像并提取其骨架，利用該骨架的基

4、本圖像特征構(gòu)造相應(yīng)文種的特征集，并根據(jù)不同文種的結(jié)構(gòu)特征，結(jié)合分類方法的特性，將文種辨識(shí)分為兩個(gè)階段:粗分類階段和細(xì)分類階段。在粗分類階段，使用支持向量機(jī)將文字劃分為兩大類，第一類中包含阿拉伯?dāng)?shù)字、英文、俄文和日文假名，第二類中包含簡(jiǎn)體中文和朝鮮文。在辨識(shí)階段，使用支持向量機(jī)對(duì)第一類文字進(jìn)行文種辨識(shí)，使用BP神經(jīng)網(wǎng)絡(luò)對(duì)第二類文字進(jìn)行辨識(shí)。
　　實(shí)驗(yàn)結(jié)果表明，本文提出的基于視覺(jué)顯著性與文字邊緣密集度的文本檢測(cè)方法得到了73％的檢測(cè)率