圖像視頻復(fù)雜場景中文字檢測識(shí)別方法研究.pdf

1、近年來,隨著計(jì)算機(jī)技術(shù)、多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展,圖像和視頻資源日益豐富,從這些海量圖像、視頻中獲取感興趣的信息已經(jīng)成為當(dāng)前多媒體信息技術(shù)研究的熱點(diǎn)。圖像、視頻中的文字包含豐富的語義信息,是理解圖像、視頻內(nèi)容的重要線索,提取和識(shí)別這種圖像、視頻中的文字對(duì)于圖像理解、視頻內(nèi)容分析、基于內(nèi)容的圖像和視頻檢索等領(lǐng)域具有重要意義。由于圖像、視頻中的文字通常疊加在復(fù)雜的背景之上,背景的干擾使得現(xiàn)有 OCR(Optical Character

2、 Recognition)技術(shù)難以獲得較好的識(shí)別結(jié)果,因而如何從圖像、視頻復(fù)雜場景中檢測識(shí)別文字成為一個(gè)重要的研究課題。
　　本文以圖像、視頻復(fù)雜場景為研究背景,圍繞在復(fù)雜場景中文字檢測和識(shí)別進(jìn)行研究,根據(jù)文字紋理特征,研究了復(fù)雜背景中文字的檢測、復(fù)雜場景中重疊文本的檢測和識(shí)別、OCR識(shí)別結(jié)果的校對(duì)以及海量視頻文本檢測識(shí)別等問題。概括起來,本文所取得的主要研究成果包括:
　　首先提出了一種基于Gabor和SVM的復(fù)雜背景中文

3、字檢測方法,通過不同方向尺度的 Gabor濾波器得到表示中文字符橫、豎、撇、捺四個(gè)方向的紋理圖像,使用SVM分類器對(duì)紋理圖像進(jìn)行訓(xùn)練,通過構(gòu)建一個(gè)SVM分類網(wǎng)絡(luò)來得到最終的文字區(qū)域。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)復(fù)雜背景下中文字符的檢測具有較好的效果。
　　其次提出了一種利用深度學(xué)習(xí)算法進(jìn)行文字區(qū)域定位的方法,利用 Gabor濾波器提取文字區(qū)域的紋理特征,然后使用DBN網(wǎng)絡(luò)進(jìn)行分類,由于DBN網(wǎng)絡(luò)對(duì)高維特征向量具有很強(qiáng)的提取特征和分類能力

4、,因此能夠用來區(qū)分文字區(qū)域和背景區(qū)域。實(shí)驗(yàn)結(jié)果表明,深度學(xué)習(xí)網(wǎng)絡(luò)具有較高的分類準(zhǔn)確性,效果要好于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)、SVM等方法。
　　接著針對(duì)前面所提出的方法在檢測復(fù)雜場景中重疊文本時(shí)受背景干擾比較大的問題,提出了一種復(fù)雜場景中重疊文本檢測和識(shí)別的方法。首先利用聚類的方法將復(fù)雜場景圖像轉(zhuǎn)換成多個(gè)具有單一背景的層圖像,在每一個(gè)層圖像中使用連通分量分析方法,得到該層圖像中的候選文本連通分量,采用級(jí)聯(lián)Adaboost分類器根據(jù)文本區(qū)域的特

5、征剔除非文本連通分量,再用OCR包對(duì)文本連通分量進(jìn)行識(shí)別,最后利用圖像層之間的關(guān)系對(duì)識(shí)別結(jié)果進(jìn)行驗(yàn)證。對(duì)于復(fù)雜場景下重疊文本的識(shí)別,該方法明顯優(yōu)于其他方法。
　　然后提出了一種基于Google的文字識(shí)別結(jié)果校對(duì)方法,由于很多字符、文字具有相似性,OCR軟件識(shí)別過程會(huì)產(chǎn)生一些錯(cuò)誤,現(xiàn)有的 OCR識(shí)別結(jié)果校對(duì)方法主要是利用自然語言規(guī)律統(tǒng)計(jì)大量的語料庫進(jìn)行語法判斷。本文提出了一種基于 Google的 OCR識(shí)別結(jié)果校對(duì)方法,將傳統(tǒng)的基于

6、 N-Gram語料庫的方法和Google知識(shí)庫相結(jié)合,利用Google知識(shí)庫來不斷的豐富傳統(tǒng)的語料庫,有效地解決了傳統(tǒng) N-Gram方法在字典詞匯量有限,對(duì)新詞、專有名詞無法校對(duì)的問題。該方法實(shí)用性比較強(qiáng),有效地提高了自然場景圖像中OCR的識(shí)別率。
　　最后實(shí)現(xiàn)了一個(gè)基于云計(jì)算架構(gòu)的視頻文本檢測和識(shí)別系統(tǒng)平臺(tái),隨著大數(shù)據(jù)時(shí)代的到來,現(xiàn)有的文字識(shí)別方法遇到了很大的挑戰(zhàn),很難快速的應(yīng)用到大數(shù)據(jù)中進(jìn)行視頻文本內(nèi)容的識(shí)別。本文通過連接大量