自然场景图像中的文本检测方法研究.pdfVIP

自然场景图像中的文本检测方法研究 李东勤王芳周万怀 (安徽财经大学管理科学与工程学院，安徽蚌埠233030) 摘 要：研究自然场景中的文本检测与定位方法，总结文本检测的研究现状，并对主流算法进行了分类和对比。 关键词：自然场景图像；文本检测；文本定位；文本／非文本分类 中图分类号：TP317 文献标识码：A 文章编号：1673—1980(2016)06—0108—04 从自然场景图像中自动提取其中的文字信息， 乎不会引起几何变形；而自然场景中的图像，受移动 成为计算机视觉、模式识别、文档分析识别等技术方 终端设备的拍摄角度、光照均匀度等因素影响，会发 向的一个研究热点。自然场景文字提取与识别技术 生几何变形或透视变形等。 在基于内容的图像检索、智能交通、智能翻译、视频 自然场景图像虽比较复杂，但自然场景下的文 内容分析等领域应用广泛。自然场景图像中的文本 本特征仍有规律可循： 提取包括3个核心技术：文本检测与定位、文本分割 (1)文本的笔画特征。笔画是文本图像的一个 与增强、文本识别。文本检测与定位技术用于确定 显著特征，与背景存在较大差异，其宽度、纹理、颜色 自然场景图像中文本的位置，并找出这些文本的边 及强度都与背景大不相同。笔画信息可作为自然场 界。文本分割技术用于去除文本周围的背景，从而 景图像中文本检测与定位的一个重要特征。 简化后面的文本识别问题。对分割之后的文本作进 (2)文本的颜色和亮度。自然场景图像中的文 一步增强非常重要，因为自然场景图像中的文本很 本颜色、亮度与其背景相差较大，很容易发现及辨 多时候分辨率很低、模糊且有噪声。文本识别是对 识。尽管有些场景中文本颜色与背景相近，但文本 前面处理之后的图像进行识别，从而最终得到相应 的边缘与背景必然明显可分，否则人眼也无法认知 的文本信息。 这些文本。文本颜色与亮度可作为自然场景中文本 检测与定位的另一个重要特征。 1 文本检测问题难点 2文本检测与定位算法研究 传统的光学字符识别(OCR)软件仅用于文档 图像。文档图像一般通过高精度扫描得到，具有分 研究人员提出的多种复杂场景文本检测定位算 辨率高、背景简单等特点，文字识别的难度较小。相 法，总体可分为4类：基于连通区域的方法、基于纹 比之下，自然场景图像更加复杂，文本检测与定位更 理的方法、基于边缘的方法和基于机器学习的方法。 加困难。 2．1基于连通区域的方法 普通文档布局格式通常相对固定，内容以字符为 采用基于连通区域分析的方法，首先需假设同 主；而自然场景图像中的文本没有明显的布局特征与 一区域的字符具有相似的颜色和亮度，并且与背景 规律可循，可能在图像中任何不确定的位置出现。 区域的颜色存在较大差异，可采用自底向上的方法 普通文档图像背景通常比较单一，往往为白底 从图像中提取连通区域；然后利用几何约束构造启 黑字；而自然场景图像中的文本背景错综复杂，可出 发式规则进行连通域分析，合并子区域，得到最终的 ‘ 现颜色的变化、噪声的叠加及光照亮度的变化等。 文本区域。 普通文档图像一般是由光电扫描设备获得，几 收稿日期：2016—08—26 基金项目：国家自然科学基金项目“基于近红外光谱学的机采籽棉杂质含量快速检测方法研究”；安徽财经大学 2016年度校级