手機(jī)拍攝的場(chǎng)景圖像中的文字定位與識(shí)別研究.pdf

1、移動(dòng)終端設(shè)備的迅速發(fā)展和普及，使人們通過手機(jī)或Pad獲取周圍信息成為可能。傳統(tǒng)的信息獲取方式是通過用戶輸入看到的周圍環(huán)境中的文字來獲得相應(yīng)結(jié)果，而下一代的人機(jī)交互將通過手持設(shè)備拍照自動(dòng)識(shí)別圖像中的文字并返回相應(yīng)結(jié)果。這將對(duì)現(xiàn)有的用戶體驗(yàn)產(chǎn)生革命性的變革。
　　 本文針對(duì)這一應(yīng)用目標(biāo)，對(duì)手機(jī)拍攝的場(chǎng)景圖像進(jìn)行研究，定位并識(shí)別圖像中的文字。本文主要針對(duì)兩種場(chǎng)景進(jìn)行研究:室內(nèi)拍攝的名片場(chǎng)景和室外招牌場(chǎng)景，針對(duì)兩種場(chǎng)景構(gòu)建了相應(yīng)的數(shù)據(jù)集

2、，同時(shí)使用了場(chǎng)景圖像研究領(lǐng)域中普遍采用的ICDAR數(shù)據(jù)集進(jìn)行研究。
　　 定位方面:本文針對(duì)名片場(chǎng)景的特點(diǎn)提出了基于canny算子進(jìn)行邊緣檢測(cè)的圖像前景提取方法，然后使用形態(tài)學(xué)膨脹方法合并連通域并抽取5種字符區(qū)域特征進(jìn)行精確定位;針對(duì)招牌場(chǎng)景的特點(diǎn)提出基于圖像分割的改進(jìn)大津法——BlockOtsu二值化方法進(jìn)行圖像前景提取，設(shè)計(jì)7種字符區(qū)域特進(jìn)行精確定位。
　　 識(shí)別方面:名片場(chǎng)景圖像中的文字為印刷體，本文使用Tesse