自然场景下图像中的文本探测

《自然场景下图像中的文本探测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、自然场景下图像中的文本探测第一章绪论1.1文本定位研究背景与现状随着信息时代的快速发展，尤其是计算机技术的突飞猛进，数字图像处理技术已经融入到生活的方方面面，上到卫星遥感检测，下到土壤地质勘探。数字图像处理的主要任务是对图像进行去噪、复原、探测、定位、分割、识别等[1]，伴随学数学科和计算机性能的提升，数字图像处理在农业、工业、气象、军事等方面的贡献和需求越来越大，国内外很多研究者在各自的论文上发表相关研究成果，很多被广泛应用于实际，加速了社会的发展。通过计算机进行图像处理，主要是因为计算机高效准确

2、的处理能快速获得大量的图像信息，在节约时间的同时，减小错误率。但是数字图像处理作为计算机信息处理的关键技术，仍然还存在着很多急需要我们解决的问题，其中如何准确彻底地将文本区域和背景区域区分定位就是难题之一，难以准确彻底定位的主要原因有：(1)图像中的背景比较复杂，除包含文本外，还可能包含自然事物，并且这些事物含有丰富的纹理；(2)在有的情况下，文本就镶嵌在纹理之内；(3)自然场景更是复杂多变，文本容易受到光照、颜色、分辨率以及噪音的影响，从而造成它们所呈现出来的形式，在定位和提取之前都是无法知道的。

3、目前尚没有一种统一有效的文本定位模型能定位出所有图像中的文本，各个研究者都是针对某一个或者几个特定场景中的文本进行研究，复杂背景的因素以及图像处理方法的局限性都给文本定位的发展、进步带来了很大的阻碍。因此，解决文本定位现行困难，提高文本定位的准确率，具有非常重要的意义和现实需求。图像文本包含的信息丰富，文本定位的作用就是将文本信息从图像中自动地定位出来，对高层图像语义的理解、索引与检索都有极其重要的意义[2]。.......1.2研究内容本文研究的内容有以下2个方面：1.本文首先介绍了Harris角

4、点检测和Geodesic[58]方法计算加权角点饱和度的理论方法和所涉及的数学理论依据和公式，其次介绍了协方差矩阵的理论公式，最后说明二元线性回归方法[59]作用以及在文本定位中的应用。2.介绍了现行的角点定位方法对角点过密的非文本区域和角点检测不足的文本区域检测存在困难，大字符文本，尤其是汉字大字符文本的边缘检测效果不佳。本文主要从以上两方面进行研究，并将研究的结果与其他学者进行了对比。......第二章角点检测算法分析2.1角点检测算法简述角点检测算法一般可以分为三类：分别为基于二值图像、基于轮

5、廓曲线和基于灰度图像。基于灰度图像的角点检测算法又可分为基于模板、基于模板梯度和基于梯度三类。......2.2角点检测方法对比对上面涉及各种的角点检测算法的优缺点分别作概括，其中尤以Harris角点检测算法为重点介绍。Moravec是较早的角点检测算法，该算法检测图像的所有像素，并依其像素的一个领域作为角点，通过SSD衡量角点的相关性，SSD值越小，相关性越高。但是Moravec角点检测算法在抗噪音方面存在不足，而且只计算了8个45度方向的强度计算效果不好。FAST角点检测算法是在1977年有Sm

6、ith和Brady提出的一种不同以往的角点检测算法，其原理是与每一点相关的图像的局部区域具有相近的亮度。因此窗口中心像素值相同或者相近的的窗口区域被称为USAN。这种算法不需要计算图像的灰度，因此具有较强的抗噪音能力。CSSandFAST角点检测算法是一种快速角点检测算法，该角点检测算法定义在像素点的邻域内包含足够多的像素点与该点处在不同的区域中。应用到灰度图像中时，则有足够多的像素点的灰度值不同于该点的灰度值。这一方法可以使机器学习的方法进行加速。对同一类的图像可以在16个方向上进行训练，进而得到

7、一棵决策树判定是否为角点，不需要再对所有方向进行检测。KLT角点检测算法是一种基于模板的角点检测算法，通过对一个窗口模板下图像的局部结构矩阵特征值的计算，并完成与阈值的对比，进行检测角点。主要是窗口大小的设置和阈值的设置存在盲目性，窗口过大会引起角点的移动，过小会丢失距离接近的角点。Harris角点检测算法也是基于模板的角点检测方法。将与邻点亮度对比度足够大的点，定义为角点，通过对比像素邻域内点的灰度，即图像的亮度程度依次进行检测角点。Harris角点检测方法使用一个高斯窗或矩形窗在图像任意方向进行

8、移动，衍生出22的结构矩阵，确立窗口函数M，计算模板矩阵的两个特征值λ1，λ2，建立度量函数R,根据R的正负来检测角点，此方法具有旋转不变形，而且适用于于光照复杂、角点数角度的情况。另外，Harris角点检测方法不仅对图像序列有良好的检测效果对能对单幅图像进行角点检测，更对单幅图像有良好的检测效果，Harris角点检测算法公式中有平滑部分，因此具有较强的鲁棒性和抗噪性。......第三章改进的角点检测算法.......123.1改进的角点检