基于MeanShift的图像文本信息提取.pdfVIP

MicrocomputerApplicationsVoi．25，No．7，2009 技术交流 微型 电脑应用 2009年第25卷第7期 文章编号：1007．757X(2009)7-0051．03 基于Mean．Shift的图像文本信息提取 叶茂锹 周武能 朱黎博 摘 要：图像和视频中包含着丰富的文本信息，提取和识另4图像文本信息非常具有实际意义。传统的图像文本信息提取方法 大多基于字符的代数和几何特征。作者从另一个角度出发，将彩色字符看成彩色图像的一部分，使类似字符的景物也可以被 当作字符识别出来。文中提出一种基于Mean-Shift算法的图像文本信息提取方法，首先利用Mean-Shift算法对图像进行分 割，然后对分割得到的文本区域进行投影分析从而将每个字符分割出来，最后将字符识另q。 关键词：文本信息提取；Mean-Shift图像分割；文本检测；投影分割 中图分类号：TP391．9 文献标志码：A 0 研究现状 且满足一定的规律。文本区域检测主要是利用文本区域的特 征和规律等先验知识定位文本区域。 图像文本提取和识别技术可以广泛应用于各种需要对 ll】基于特征的方法 图像中文本进行检测、分析和理解的场合，比如涉外导游、 基于特征的方法主要有：(1)基于边缘检测的方法。文 盲人引路、机器人行走和智能监控系统等。图像中的文本分 本位于复杂背景下时可以根据图像中的边缘密度和强度特 为两类：场景文本和人工文本I1。场景文本是指作为场景部 征来检测。这种方法算法速度快，但是不能适应复杂背景， 分出现的文字，人工文本是指为了辅助观众理解图像内容在 容易出错。(2)基于角点检测的方法。文字具有丰富的角点 后期制作添加到图像或视频帧中的文字。无论是场景文本还 信息，可以利用角点检测算子得到图像帧角点图像，再根据 是人工文本，图像中的文本检测和识别都面临巨大的挑战。 文本区域角点特点对角点进行过滤和聚类，从而得到候选文 由于背景复杂、颜色丰富、文本字体的变化，使得图像中文 本区域。这种方法对中文文本等象形文字检测效果较好，对 本的检测非常困难，而且因为图像中的文字通常具有较低的 文本尺寸敏感。(3)基于纹理的方法。图像中的文本区域通 分辨率，字符的识别率也较低。 常具有统一风格，可以将文本区域看作一种特殊的纹理来处 理。这种方法具有一定通用性，但算法复杂度高，对字体和 风格比较敏感。(41基于连通域的方法。文本区域可以作为 满足特定规则的单色区域来检测。这种方法处理速度和定位 精度较高，适用于二值图像，对于具有复杂背景的灰度和彩 ■———一———●——啊—■—_■—翻翻■——l—■一■田一 色图像效果较差。f5)基于时域特征的方法。这种方法利用 倒 l附有文本的彩图及对 图中文本信息的提取 文本的帧间时域信息，检测到候选文本区域。这种方法依赖 图像中文本提取的研究最初来源于 Ohya[】等人对于路 于图像结构化处理方法，多用于文本候选区域的验证。 牌、车牌、商店的标牌及货运列车标牌的提取。后来经过 l2基于学习的方法 Lee，Kankanhalli等人在对货运集装箱的识别应用，Zhong 基于学习的方法采用实例学习的方法获取模型参数，提 等人对 CD和书籍封面的提取应用，JiangymgZhou[31等人 高了检测结果的可靠性。同时，可以通过增加学习样本扩充 从WWW图像中提取文本应用的发展