基于自適應(yīng)行聚類的自然場景文字檢測算法研究.pdf

1、自然場景中的文字通常蘊含了大量有價值的信息，為理解和分析場景提供了重要線索。而且對于很多視覺應(yīng)用來說，自然場景中的文字檢測算法是其中的關(guān)鍵性技術(shù)。因而幾十年來，該研究領(lǐng)域引起了國內(nèi)外大量學(xué)者的關(guān)注，算法的性能也日益提高。
　　典型的文字檢測算法一般由四個步驟組成，分別是字符候選域提取、非字符域濾除、候選文本行生成和候選文本行驗證。然而，這種處理流程存在著錯誤傳播問題，一旦真正的字符域在第二階段中被系統(tǒng)錯誤地濾除，將會影響到后續(xù)的候

2、選行生成和候選行驗證階段，導(dǎo)致系統(tǒng)的最終召回率較低。
　　針對這一問題，本文提出了基于自適應(yīng)行聚類的自然場景中文字檢測算法。該算法沒有基于字符級別的特征對非字符域做濾除操作，而是為每個候選域賦予了一個文本/非文本的字符概率值。接著，在算法生成候選文本行集合后，系統(tǒng)充分利用文本行級別的特征，將每個候選行映射為三維空間中的一個點。最后，系統(tǒng)在當(dāng)前圖像中采用級聯(lián)的聚類策略區(qū)分開真假文本行，得到最終的輸出結(jié)果。
　　另一方面，為了使

3、算法能夠完成自然場景中任意方向的中英文文本行的檢測任務(wù)，本文提出了新的字符候選域提取算法和候選文本行生成算法。在字符候選域提取算法中，我們基于中文字符“方正”的特性，設(shè)計了連通分量提取+滑動窗組合的策略。該策略在不影響英文文本行檢測效果的同時，解決了中文字符被提取成多個字符候選域的問題。而在候選文本行生成算法中，本文則充分利用了文本行的方向一致性，以圖分割的方式來提取候選文本行。
　　本文基于ICDAR-13和MSRA-TD500