自然場(chǎng)景圖像中的文字檢測(cè)關(guān)鍵算法研究

《自然場(chǎng)景圖像中的文字檢測(cè)關(guān)鍵算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、＇．：一，中ｒ：：一．抑．＼’－巧＼ｓ等劉＂‘：．Ｋ敲‘韓：‘’．‘ｔ：Ｖ．’義＞．、＊＼藉汽￥：考ｔ；一禱．＼：編．較編＾、＼‘＼靴１迦的密完．開(kāi)寒：紀(jì)衆(zhòng)考，「－．．．■：可■若？延＇４：參Ｓｆ；．：一．海異：＞辱－、■／；．Ｖ１Ｊ情ｒ雀＾ｉ＇為．：堯Ｋ＾部躬嗦戶－一，Ｊ超彎５ｊ襄巧．去！後Ｉ俗每聲／曾皆：。，４ｆ：髮巧－．；暴．．敏．Ｖ皆戶個(gè)希三巧．離．命；＇ｒ人一＇Ｊ，；，皆潔沒(méi)女：一．；壤學(xué)襄；聲Ｎ戶．蔓’較：賽囊禱ｆ＇一，‘；’參／熱ｎ敍題ｉ自然漏Ｍ＾巧ｊ觀輸，－４＇＇－一ｉｆ－海．

2、，桌著＃．暖．禹嘴ｆ－雌每私：．辨．ｔ．荀Ｖ占：Ｕ襲學(xué)３號(hào)茸匪．？？．．．Ｔ；－彪．姓名－．ｔ＇隊(duì)＇ｖ，—規(guī)．－導(dǎo)師－＇．ｒ索；＇．．學(xué)科專(zhuān)業(yè)梅４充－■＇髮?zhuān)牐牐牐Вз澇x究方向智Ｉ雜理：＞；ｆ占申請(qǐng)位Ｊ禪社；一、、：＜、論文立交測(cè)二１＞－掉；：．＾．ｆ．ｆ；＇．‘皆，棘；；．詩(shī)．氣．．．％‘Ｗ賃爺壤４：越論Ｈ．＇葛：＞蒼爭(zhēng)＊：，鴻．：終．文；．：凌糧．－ｒ＾－＇．．對(duì)－夢(mèng)苗秦讀ａ－人：Ｋ鳥(niǎo)碰；碟Ｗｉ：＾這南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人

3、在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的研巧成果。盡我所知，除了文中特別加標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫(xiě)過(guò)的研巧成果，也不包含為獲得南京郵電大學(xué)或其它教育抓構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材巧。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了巧意。本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，應(yīng)意承擔(dān)一切相關(guān)的法律責(zé)任。０｜名、斗．１１研究生簽名：＿曰期：韋南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可Ｗ保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子文檔可；允許論文被查閱和借閱；可１＾｜將學(xué)位論支

4、的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；論＾＾采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研巧生院辦理。研涉密學(xué)位論文在解密后適用本授權(quán)書(shū)。究生簽名：鄰導(dǎo)師簽名：斗期：…１賽ＪTheKeyAlgorithmsResearchonTextDetectionInNaturalSceneImages↑ThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterof

5、EngineeringByTianbiaoSupervisor:Prof.FangChengzhiFebruary2016摘要在這個(gè)信息爆炸的時(shí)代，人們獲取信息的渠道越來(lái)越依賴于基于內(nèi)容的檢索技術(shù)。圖像通常包含有豐富的信息，而其中的文字信息往往顯得尤為重要。從圖像中提取文字信息已經(jīng)成為近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門(mén)研究課題。作為文字提取技術(shù)中的核心前端模塊，文字檢測(cè)技術(shù)極其關(guān)鍵。然而由于自然場(chǎng)景中背景的復(fù)雜性，文字大小的不確定性，易受光照、遮擋等因素的影響，自然場(chǎng)景圖像中的文字檢測(cè)問(wèn)題變得非常困難。本文針對(duì)自然場(chǎng)景圖像中的文字檢測(cè)算法，從候選文字連通分量提取、中文文字

6、特征設(shè)計(jì)和字符合并三個(gè)方面進(jìn)行算法的改進(jìn)。a)在采用最大穩(wěn)定極值區(qū)域作為候選文字連通分量的方法中，為了保證后面進(jìn)行文字和非文字連通分量分類(lèi)的正確率，以及減少相應(yīng)的運(yùn)算量，在提取連通分量階段，采用統(tǒng)計(jì)特征分析的方法將嵌套結(jié)構(gòu)的最大穩(wěn)定極值區(qū)域去冗余。b)在對(duì)中文文字分類(lèi)進(jìn)行提取特征時(shí)，經(jīng)過(guò)仔細(xì)觀察漢字的筆畫(huà)結(jié)構(gòu)特征，通過(guò)對(duì)連通分量進(jìn)行骨架化處理，在骨架化的基礎(chǔ)上提出了連通分量規(guī)則度特征用于文字與非文字連通分量的分類(lèi)。c)在字符合并時(shí)，通過(guò)對(duì)傳統(tǒng)的基于啟發(fā)式規(guī)則的合并方法進(jìn)行分析研究，提出了基于C4.5決策樹(shù)的合并方法，該方法通過(guò)對(duì)樣本的訓(xùn)練學(xué)習(xí)得到相應(yīng)參數(shù)的值，并且

7、學(xué)習(xí)出更為有效的合并規(guī)則。本文在上述幾個(gè)方面對(duì)文字檢測(cè)算法進(jìn)行改進(jìn)。在文字檢測(cè)常用的數(shù)據(jù)集上進(jìn)行的仿真實(shí)驗(yàn)表明：本文提出的檢測(cè)算法在背景較為復(fù)雜、光照不均等干擾的圖像中取得較為理想的檢測(cè)效果，顯著地提高了自然場(chǎng)景圖像中文字檢測(cè)的準(zhǔn)確率和召回率。關(guān)鍵詞:最大穩(wěn)定極值區(qū)域，去冗余，規(guī)則度特征，字符合并，C4.5決策樹(shù)IAbstractInthestageofinformationexplosion,peoplegetinformationmoreandmorerelyingonthecontent-basedretrievaltechnology.Imagecanco

8、ntain