2026《场景文字检测识别方法研究的国内外文献综述》4200字.docxVIP

场景文字检测识别方法研究的国内外文献综述

1.1场景文字检测的研究现状

场景的文字检测算法的发展历程于绝大多数的计算机视觉任务相类似。其中传统的方法，主要依赖于人工设计的规则，同时局限简单的场景。这种传统的方法大体分为两类，分别是基于连通域的方法和基于滑动窗口的方法。而随着近几年来基于深度学习目标检测飞速发展，其中的很多方法也可以很好的迁移到文本检测算法中来，基于深度学习的文本检测方法大体分成三类，分别是直接回归的方法，基于锚框回归的方法和基于像素点回归的方法，他们各自都有其优缺点，需要结合具体场景来对算法网络设计进行选择。

基于连通域的方法一般采用自底向上的策略检测场景文本。采用一个快速的方法来分离文本像素与非文本像素。这类方法一般专注对灰度值、颜射、梯度等底层信息的提取，进而获取连通域的途径。Neumann等人在2004年提出的MSER算法可以很好的应用于自然场景文本检测[3]。该算法基于分水岭算法的概念，取[0,255]阈值的图像进行二值化处理，阈值从0到255依次递增，在此过程中，某些连通区域的面积随阈值的上升变化很小，该区域就被定义为最大稳定极值区域。MSER算法可以较好地描述文本内部颜色的一致性，一定程度上克服噪声和仿射变换带来的干扰。在这之后，MSER的一些变体相继被提出来。Sun等人提出通过用对比极值区域(ContrastingixtremalRegion，C