基于K―means颜色聚类分割与边缘检测文字提取.docVIP

基于K―means颜色聚类分割与边缘检测文字提取 　　摘要：针对自然场景中文字提取受复杂环境因素的影响，如光照不均匀、自然场景背景颜色多样等因素影响，采用任何单一的图像分割技术都无法进行有效地进行文字区域分割和文字提取，提出一种两种方法相结合的自然环境场景中的文字提取方法。首先，采用实现颜色聚类的K-means算法对文本区域与有颜色背景分割，然后在文本区域内对文字进行二值化处理后运用边缘检测的方法提取文字。通过VC++编程环境及OpenCV技术作为该方法的验证平台，结果显示基于K-means算法实现颜色聚类与边缘检测方法相结合能有效进行自然环境中文字的提取。 　　关键词： 自然场景文字； 边缘检测； K-means； 颜色聚类； 连通分析； opencv 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）28-0206-02 　　Abstract：According to the natural scene text extraction is influenced by complex environmental factors， such as uneven illumination， natural scene background colors and other factors，any single method is unable to effectively carry out the text segmentation and text extraction ，a method of combining two methods of regional segmentation and text extraction is proposed.Firstly， the K-means algorithm is used to segment the text area and the colored background， then the text is processed to white and black value in the text area， and then the edge detection method is used to extract the text. Through the VC++ programming environment and OpenCV technology as the verification platform of the method， the results show that the color clustering and edge detection Based on K-means algorithm can effectively extract the text in the natural environment. 　　Key words：Natural scene text； edge detection； K-means； color clustering； connectivity analysis； opencv 　　1 概述 　　?S着互联网技术及物联网技术的发展，自然场景中文字的提取显得尤为重要。物联网技术部分场景中就需要快速定位自然场景中建筑物上的文字信息。同时，无人机送快递也将在未来快速普及，无人机送快递更需要对道路指示牌、街边广告牌，商店名称等进行文字信息的提取与识别。进行自然场景中文字的提取，识别目标物体中文字信息区域及文字定位是核心，因此进行相关工作具有很好的实际意义。 　　2 文字候选区域的检测方法 　　2.1 基于纹理分析技术的方法 　　纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。纹理的这种属性决定了，在进行图像识别时无法采用以像素及像素与周边像素的相关性来进行图像识别，因为纹理在局部信息不具有重复性。采用块区域作为信息处理的单位，能比较有效的识别出纹理中的图像信息。在基于纹理分析技术中主要有基于纹理的整体结构、统计分布、信号处理方法、数学模型法等。统计方法主要是基于矩阵原理，主要矩阵有：灰度共生矩阵、灰度行程统计、灰度差分统计、交叉对角矩阵等。信号处理方法可分空间域和变换域，方法有：Radon变换、环形和楔形滤波、离散余弦变换、局部傅立叶变换、局部沃尔什变换、哈马变换Gabor变换、二进制小波、多进制小波、曲波变换等。基于模型的方法是从建模角度出发，给定再生的模型及其参数值，生成图像纹理样本，主要模型有：同步自回归模型、自回归滑动平均模型、滑动平均模型、马尔可夫模型、吉布斯模型、广义长相关模型。