基于多分辨分析和一致性的文本區(qū)域提取算法的研究.pdf

1、圖像和視頻中的文本字符，是圖像高層語義內容的一個重要來源，它包含許多非常重要的有用的信息，如街道名稱、商店名稱、路標、交通標示、字幕等，這些信息對于圖像和視頻資料的自動注釋、索引、壓縮等方面有重要的參考作用。
　　通常情況下根據文本對象的存在形式將文本分為人工文本和場景文本。目前的研究主要集中于對人工文本的研究，而場景文本的研究剛剛起步。文本提取的研究思路主要集中于應用各種圖像處理的方法將文字區(qū)域的邊角特征、色彩特征和紋理特征突出

2、，然后根據一定的分類算法來劃分候選的區(qū)域，經過進一步的后處理來最終確定實際的文本區(qū)域。
　　本文針對文本區(qū)域提取這個問題來進行研究，包含預處理、多分辨分析、特征提取、分類(檢測)、區(qū)域提取五個步驟來解決文本區(qū)域的準確提取問題。由于圖像上字符的大小變化范圍很大，為了能夠找出大小不一的文本區(qū)域，在多分辨分析中，本文將圖像分解為原分辨率的1/1、1/2和1/4的三幅子圖，然后對每幅子圖應用相同的文本區(qū)域定位算法。在特征提取步驟中，本文把

3、一致性H應用到文本區(qū)域提取領域，使用邊緣空間映射和一致性H空間映射兩種方法得到特征圖像，并比較了兩種空間對于文本提取的影響；對得到特征圖像，使用滑動窗口比較了提取不同維數的紋理特征作為特征向量的結果。在分類檢測時，通過對比支持向量機（SupportVectorMachineSVM）和BP前饋網絡的分類效果，選擇使用支持向量機作為分類器。根據對多幅子圖的分類結果進行圖像融合來生成候選區(qū)域，然后逐步對候選區(qū)域進行基于密度的區(qū)域確認和平滑后處