局部轮廓信息描述结合学习分类的文本检测技术研究

• 作 者: 王瑾
• 机 构: 燕山大学
• 出 处: 燕山大学
• 发表日期: 2010年期
• 关键词: 文本检测 多尺度方向 局部显著 边缘粗糙度 车牌检测 颜色分布

图像中文本检测与定位技术的研究对图像场景内容的描述与理解有重要的价值。因而迫切需要一种自动化的工具通过定位图像中文本信息,为检索、查询、浏览场景资料和理解图像内容服务,提高图像资料的管理效率。由于文本图像的背景复杂多变,使得要准确检测到图像中的文本区域具有极大的挑战。针对以上问题,本文主要围绕如何利用文字笔画特征有效区分文字区域和背景区域进行了研究。在借鉴国内外最新研究成果的基础上,通过分析文本特点进行笔画特征的融合研究新的文本检测算法,同时尝试对具体的场景文本检测做了应用分析。首先,对图像中文本区域的笔画方向分布特征进行分析,引入多尺度方向因子和边缘粗糙度概念,利用特征粗定位和学习型验证的两级框架提出一种新的文字区域定位算法。主要依据文字区域一般都是由几个方向的笔画组成,同时笔画既有梯度的边缘又具有明显的方向分布规律。其次,利用局部显著文字型区域描述结合连通分量分析思路,研究一种复杂背景下针对场景文本稳健的文本提取算法。该算法通过图像中灰度的局部显著变化和显著多方向边缘强度定位图像的显著文本区域,用SVM分类器对显著区域的连通分量进行特征验证,最终获得文本连通分量从而定位文本区域。最后,利用文本区域检测技术针对具体车牌定位应用场景展开相关研究。考虑车牌除了拥有一般文字的特征,还拥有本身固有的一些结构特征,在文字特征分析的基础上,充分融合了车牌的颜色分布特征,研究一种稳健的车牌二次定位算法。