本文選題：自然場景　切入點：復雜背景　出處：《中國圖象圖形學報》2017年02期 　論文類型：期刊論文

【摘要】：目的目前,基于MSERs(maximally stable extremal regions)的文本檢測方法是自然場景圖像文本檢測的主流方法。但是自然場景圖像中部分文本的背景復雜多變,MSERs算法無法將其準確提取出來,降低了該類方法的魯棒性。本文針對自然場景圖像文本背景復雜多變的特點,將MSCRs(maximally stable color regions)算法用于自然場景文本檢測,提出一種結合MSCRs與MSERs的自然場景文本檢測方法。方法首先采用MSCRs算法與MSERs算法提取候選字符區(qū)域;然后利用候選字符區(qū)域的紋理特征訓練隨機森林字符分類器,對候選字符區(qū)域進行分類,從而得到字符區(qū)域;最后,依據字符區(qū)域的彩色一致性和幾何鄰接關系對字符進行合并,得到最終文本檢測結果。結果本文方法在ICDAR 2013上的召回率、準確率和F值分別為71.9%、84.1%和77.5%,相對于其他方法的召回率和F值均有所提高。結論本文方法對自然場景圖像文本檢測具有較強的魯棒性,實驗結果驗證了本文方法的有效性。
[Abstract]:At present, based on MSERs (maximally stable extremal regions) the text detection method is the main method of natural scene text detection. But some of the text in natural scene images of complex background and MSERs algorithm can not be accurately extracted, reduces the robustness of this method. Based on the background of complex natural scene text image the characteristics of the MSCRs (maximally stable color regions) algorithm for natural scene text detection, proposed a combination of MSCRs and MSERs in the natural scene text detection method. The method first uses MSCRs algorithm and MSERs algorithm to extract the candidate character area; then using random forest texture feature training character classifier candidate character area, to classify the candidate characters area, and get the character region; finally, based on the character of the regional color consistency and geometric relations of adjacent words Agree to merge, to get the final results. The results of this text detection method in ICDAR 2013 recall rate, accuracy and F-measure were 71.9%, 84.1% and 77.5%, compared with the recall of other methods and F-measure were improved. Conclusion this method is robust to the natural scene text detection, the experimental results to verify the validity of this method.

【作者單位】： 武漢大學印刷與包裝系;
【基金】：國家自然科學基金項目(61601335) 國家科技支撐計劃資助項目(2013BAH03B01) 國家測繪地理信息局衛(wèi)星測繪技術與應用重點實驗室經費資助項目(KLSMTA-2016-04) 中國博士后科學基金項目(2015M582277) 中央高�；究蒲袠I(yè)務費專項基金項目(2042015kf0059)~~
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 彭浩;陳繼鋒;劉瓊;王海濤;高海波;;一種面向聚焦爬蟲的自然場景文本定位技術[J];小型微型計算機系統(tǒng);2014年09期

2 戴津;;自然場景中文本檢測技術研究綜述[J];計算機光盤軟件與應用;2013年18期

3 古輝;蘆亞亞;丁維龍;王杰;張維統(tǒng);;自然場景下果實目標的識別和定位[J];浙江工業(yè)大學學報;2007年03期

4 皮學賢;李思昆;宋君強;;一種新的離散格子氣模型及其在自然場景仿真中的應用[J];計算機工程與科學;2006年10期

5 楊丹;李博;趙紅;;魯棒視覺詞匯本的自適應構造與自然場景分類應用[J];電子與信息學報;2010年09期

6 劉宏;普杰信;;一種改進的自然場景特征提取方法[J];計算機工程;2011年21期

7 張冬梅;張全元;鄭達;鄭蔚;李暉;戴光明;;一種新的自然場景標志牌文本提取算法[J];計算機工程與應用;2007年24期

8 常瑩;何東健;李宗儒;;基于聚類與邊緣檢測的自然場景文本提取方法[J];計算機工程與設計;2010年18期

9 徐瓊;干宗良;劉峰;陳昌紅;;基于提升樹的自然場景中文文本定位算法研究[J];南京郵電大學學報(自然科學版);2013年06期

10 陸培源;王建中;施家棟;;基于紋理基元與顏色的室外自然場景分類[J];北京理工大學學報;2011年11期

相關博士學位論文 前5條

1 吳銳;自然場景中文本識別技術研究及實現[D];哈爾濱工業(yè)大學;2010年

2 王潤民;自然場景文字檢測方法研究[D];華中科技大學;2015年

3 黃劍華;自然場景中文本信息提取方法[D];哈爾濱工業(yè)大學;2007年

4 孫雷;自然場景圖像中的文字檢測[D];中國科學技術大學;2015年

5 劉曉佩;自然場景文本信息提取關鍵技術研究[D];西安電子科技大學;2014年

相關碩士學位論文 前10條

1 閆鵬;基于級聯卷積網絡的自然場景下的車牌檢測[D];鄭州大學;2015年

2 陳帥;自然場景下基于局部模型的車體檢測及其并行化方法研究[D];鄭州大學;2015年

3 江彤;層次化的自然場景文本檢測算法研究[D];大連海事大學;2015年

4 李敏強;自然場景維吾爾文本區(qū)域檢測[D];新疆大學;2015年

5 王毅;自然場景下文本區(qū)域定位方法的研究[D];哈爾濱工業(yè)大學;2016年

6 江瑤;結合對立顏色理論與多核學習的場景文字檢測方法研究[D];江西師范大學;2016年

7 楊帆;基于腦電的自然場景下目標的快速識別研究[D];云南大學;2014年

8 王煒;基于角點和顏色的自然場景文字定位技術研究[D];西安電子科技大學;2011年

9 葛巧瑞;自然場景下的文字分割及識別研究[D];西安電子科技大學;2012年

10 劉宏;基于雙目視覺的自然場景感知[D];河南科技大學;2011年

，

本文編號：1585252