检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

视频图像文字检测综述

计算机工程与科学 2015年第4期37卷 760-764页

作者：周东傲林嘉宇国防科学技术大学电子科学与工程学院湖南长沙410073

自动从视频图像中提取文字信息,对于监控视频图像内容、添加视频标签和建立视频图像检索系统,有重要的意义。文字检测是文字信息提取系统的前端,是文字信息提取中最关键的一步。近年来,视频图像文字信息检测领域有了新的重要的发展,综... 详细信息

自动从视频图像中提取文字信息,对于监控视频图像内容、添加视频标签和建立视频图像检索系统,有重要的意义。文字检测是文字信息提取系统的前端,是文字信息提取中最关键的一步。近年来,视频图像文字信息检测领域有了新的重要的发展,综述从基于区域和基于纹理的文字检测方法进行归纳、比较和分析,概括了近年来文字检测技术的主要进展。此外,为了突出综合性方法的重要性,对其专门进行了总结。最后对视频图像中的文字检测技术的难点进行总结,并对其发展趋势进行展望。

关键词：视频图像文字文字检测边缘检测区域分析基于纹理方法机器学习

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向非纯文本文档图像检索与文字检测研究

面向非纯文本文档图像检索与文字检测研究

作者：周杰西安电子科技大学

学位级别：硕士

互联网技术的飞速发展导致了数字化文档的快速增长,对文档图像检索提出了更高的要求。传统的文档图像检索方法过于依赖复杂的OCR光学字符识别和文本相似性检测,而基于内容的图像检索技术避开了传统文档图像检索技术的短板,有助于检测学... 详细信息

互联网技术的飞速发展导致了数字化文档的快速增长,对文档图像检索提出了更高的要求。传统的文档图像检索方法过于依赖复杂的OCR光学字符识别和文本相似性检测,而基于内容的图像检索技术避开了传统文档图像检索技术的短板,有助于检测学术期刊论文数据库中重复投稿和重复发表的文本内容,也便于在海量资源中查询到相关的文献。传统的文字检测算法鲁棒性不强,复杂背景中文字检测算法召回率低且在多方向场景下文本检测率低。图像检索领域中,文字较少、文字信息与图表混杂的特殊图像会出现检索性能不佳、低效的问题。针对此问题,本文从基于内容的文档图像检索出发,围绕文字检测、检索系统实现两方面展开:(1)文字检测。本文利用MSER分割候选区域与SWT计算像素值相结合的方法,实现多尺度的文字检测,提升了召回率。针对该传统方法在复杂背景或长文本场景下低效的问题,提出了一种在Faster R-CNN目标检测算法上改进的文字检测算法。该算法利用文字区域的上下文强关联特点,加入LSTM网络,保留文字上下文序列之间的彼此联系,通过调整RPN锚点框大小,解决了长文本误定位、检测不全的问题。针对长文本与倾斜角度同时存在场景,提出一种基于FCN的改进文字检测算法,该算法利用FCN不同层的不同尺寸特征图融合,降低通道数、减少计算量以及矩形几何对象确定文字区域头尾,提高了多方向长文本检测的性能,降低了50%检测时间。(2)文档图像检索框架搭建。本文建立一种基于离线CNN特征提取与在线余弦相似度匹配的文档图像检索基本框架。本文框架由预处理、图像特征抽取、图像索引建立以及在线相似性匹配模块四部分组成。预处理操作后将图像分为文字区域与非文字区域两部分。本文专注于CNN特征提取融合、索引建立两方面。通过迁移学习将ImageNet2012数据集中预训练好的多个CNN模型引入本系统中,在文档图像数据集中微调fine-tuning使之适应文档图像检索任务。同时,由于卷积神经网络提取的特征是高维的,为减少检索和存储过程中的计算成本,采用PCA特征降维。再者为了提高检索精度,本文提出一种能提高学习任务精度的多模型融合策略——Rank加权融合特征策略,融合多个模型特征。最后基于视觉词汇特征BOW建立倒排索引,优化搜索的时间损耗。本文将这些方法集成到框架中,提高检索的准确率同时降低了检索时间。在20000张多种语言的文档图像数据集中,本系统的MAP提高到了85%,检索时间减少了27%。

关键词：文字检测图像检索多模型特征融合倒排索引迁移学习

基于不规则区域预测和控制点矫正的场景文字检测与识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于不规则区域预测和控制点矫正的场景文字检测与识别

作者：王祥深圳大学

学位级别：硕士

文字作为信息交流的媒介,在人类文明社会具有非常重要的意义。自然场景中,文字无处不在,场景文字识别作为计算机视觉中的一项基本问题,在许多任务上体现出巨大价值。例如,可用于拍照翻译、账单票据快速识别、车牌识别、无人超市等实际... 详细信息

文字作为信息交流的媒介,在人类文明社会具有非常重要的意义。自然场景中,文字无处不在,场景文字识别作为计算机视觉中的一项基本问题,在许多任务上体现出巨大价值。例如,可用于拍照翻译、账单票据快速识别、车牌识别、无人超市等实际问题中。相比文档识别,场景文字在光照,拍照角度,复杂背景,遮挡甚至存在大量不规则文字等因素影响下,识别存在更大的挑战。随着深度学习在计算机视觉多个领域取得成功,基于深度学习的方法也大量应用在场景文字识别上。近年来,虽然基于深度学习的场景文字识别方法也取得了相当的进步,但对于不规则的场景文本识别还具有较大挑战。本文研究内容针对不规则的场景文本,在文字检测方向上,引入文本行边界解决不规则区域的预测问题;文字识别方面,加强了控制点预测能力,从而提高对不规则文本矫正效果。文字检测的目标就是给出图像中文字的位置(可以是字符级别,单词级别或者是文本行级别)。文本定位,一般是用矩形框进行包裹,但这对不规则文本的检测有很大误差,会将无用背景及其它文本行文字也检测进去,对后续识别有很大影响。本文基于语义分割的方式,通过引入文本内外边界行,可以检测任意不规则形状的场景文本。文本识别的目标就是给定只有单行文本的图片,识别出其中的文字内容。对于不规则文本(如曲线文本),基于CRNN的方法就会出错。一般做法是在识别前加入一个矫正网络,使不规则文本变为规则,然后再进行识别。本文矫正网络基于ASTER,对其控制点定位网络进行了两项改进。一是利用SynthText数据集构造控制点标签,使控制点的预测成为监督学习;二是考虑到控制点之间存在依赖关系,将控制点的预测当成序列问题,使用RNN来捕获这种依赖关系。对于网络识别部分,我们采用的是基于注意力机制的编码器-解码器模型,该模型对规则文本有很好的识别效果,同时我们还展示了该模型直接将多语言的图片识别成中文简体的能力。端到端文本识别的目标是,对于给定可能有多行文本的图片,检测出所有的文本行并识别出其内容。本文结合我们对不规则场景文本检测和识别的研究,设计了不规则场景文字识别的端到端系统。由于我们的检测器可以提供紧密的文本行包围框,在送入识别器前可以去除无效背景,同时,我们会对文本行求一个最小外接矩形框,然后进行仿射变换,减少了文本的不规则程度,有利于更好地预测控制点,进而提高不规则文本的矫正效果和识别准确率。

关键词：深度学习场景文本文字检测文字识别不规则文本控制点

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然场景文字检测与识别的研究

自然场景文字检测与识别的研究

作者：谢锋明上海交通大学

学位级别：硕士

文字本身包含了丰富的语义信息,除了可以作为人们沟通的媒介外,还广泛存在于自然场景中,用于帮助人们理解其所处环境,大楼的标识牌常被用于导航就是一个很好的例子。同样在计算机领域,图像中的文字也是计算机理解图像内容的关键。比如... 详细信息

文字本身包含了丰富的语义信息,除了可以作为人们沟通的媒介外,还广泛存在于自然场景中,用于帮助人们理解其所处环境,大楼的标识牌常被用于导航就是一个很好的例子。同样在计算机领域,图像中的文字也是计算机理解图像内容的关键。比如检测与识别图片中的水印,工业仪表上的读数,道路上的路牌,汽车车牌,商场中不同物品的价格标签等。这些自然场景下文字检测与识别的能力对于实现无人驾驶,构建智慧城市,提高人们的工作效率都大有帮助,因此检测和识别自然场景中的文字一直是一个重要的研究问题。不同于文档扫描件,自然场景中的文字具有更多表现形式。其没有标准的版式,固定的字体,固定的语言,另外图片质量也无法得到保证,图片的背景还会对文字产生干扰。因此尽管检测和识别自然场景下的文字具有广泛的应用场景,也吸引了众多学者研究了很长时间,但是这一问题现在仍然具有较大的困难和挑战。本文针对自然场景中文字的检测和识别两方面进行研究。探讨更加鲁棒的神经网络结构以提升自然场景文字检测的查准率和查全率,探讨更具普适性以及更加鲁棒的文字识别方法。具体而言,本文的研究包括以下几个方面。1.基于多尺度特征提取的文本检测方法:由于文本本身具有多尺度、多比例等特点,所以不同于通用物体检测,其对于尺度更为敏感。因此本文提出一种将多尺度特征提取融入到神经网络设计中的文字检测方法。通过引入Inception结构,该方法的网络在特征层上具有了更多的尺度信息,使得整个网络在面对文本尺度剧烈变化时具有更强的鲁棒性。该方法在多个数据集上进行了测试,实验表明该方法可以检测多尺度的自然场景文字,并且可以有效地提高查准率和查全率。2.基于特征金字塔的文本检测方法:针对文本的尺度问题,本文提出了将特征金字塔结构添加到神经网络设计中的文字检测方法,使得不同尺度的文本在神经网络的不同特征层上进行训练与测试。实验表明该方法可以检测多尺度的自然场景文字,并且可以有效地提高查全率。3.基于多尺度特征提取与特征金字塔的文本检测方法:针对文本的尺度问题,本文提出了基于多尺度特征提取以及特征金字塔的文字检测方法。使得网络在面对文本尺度变化时,具有更强的鲁棒性。实验表明该方法的查全率达到了业界领先的水平。4.基于注意力机制的文字识别方法:针对现有文字识别方法需要固定输入图像尺寸的问题,受语言模型启发,本文提出了将具有注意力机制的编码器-解码器结构应用于文字识别的方法。实验中本文将该方法与基于多尺度特征提取与特征金字塔的检测方法相结合,应用于实际的工程项目当中,达到了优异的识别精度。

关键词：自然场景文字检测文字识别深度神经网络多尺度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的自然场景文字检测方法研究

基于深度学习的自然场景文字检测方法研究

作者：胡胤广东工业大学

学位级别：硕士

自然场景中的文字可以表达高级的图像语义内容,它是人类理解自然场景图像的关键元素,在无人驾驶技术中,对道路的交通标志、路牌等字符图像的自动识别是急需要解决的关键技术,因此,对自然场景中的文字进行检测与识别的研究具有较强的实... 详细信息

自然场景中的文字可以表达高级的图像语义内容,它是人类理解自然场景图像的关键元素,在无人驾驶技术中,对道路的交通标志、路牌等字符图像的自动识别是急需要解决的关键技术,因此,对自然场景中的文字进行检测与识别的研究具有较强的实际应用价值。自然场景文字检测是自然场景光学字符识别（OCR）中非常重要的一个前处理环节,所有的文字识别图片都是来源于文字检测到的区域。在传统的光学字符识别中,处理的对象通常是分辨率较高的图像,具有背景相对简单、颜色单一并且排版规整的特点,因此文字检测和文字识别的难度较小。与传统的文字识别相比,自然场景文字检测任务更为复杂也更具有挑战性:一方面,自然场景中的文字具有多样性,比如大小、颜色、字体、方向和排列组合方式都有可能不同;另一方面,自然场景中的背景复杂,比如光照强度、分辨率、噪声和物体遮挡等诸多不确定的因素,给自然场景中的文字检测带来非常大的困难。本文首先介绍了基于最大稳定极值区域（MSER）[1]的自然场景文字检测算法,基于最大稳定极值区域的算法在处理背景复杂的图像时不具有鲁棒性的缺陷,本文引入一种基于深度学习的通用目标检测算法（Single Shot Multibox Detector,SSD[2]）对自然场景中的文字进行检测。SSD无法对自然场景中的极端高宽比的文字进行检测。本文第三章和第四章针对SSD的这一缺陷进行了改进,提出了一种自然场景中水平方向文字检测的算法（Text-HD）和另一种自然场景中任意方向（多反向）文字检测的算法（Text-OD）,两种算法都是通过一个单网络模型直接对目标进行分类和位置回归。Text-HD在default boxes（预选框）上设计了专门针对极端高宽比文字的尺度比,而且在Textbox层专门设计了“长”型（1*5）的卷积核,能够高效的对不同高宽比的自然场景中的水平方向文字进行检测。Text-OD将Textbox层的“长”卷积改成3*5,同时用回归四边形的方法替代了水平文字检测的水平边界包围框的方法,对自然场景中的多方向文字进行了完美的匹配,而且在保证较高的检测率的同时也能达到较快的检测速度,该算法除了非极大值抑制（NMS）[3]处理以外没有其他的后处理操作。

关键词：自然场景文字检测深度学习卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

场景图像中的文字检测算法研究

场景图像中的文字检测算法研究

作者：谢立艳北方工业大学

学位级别：硕士

图像文字检测与识别在计算机视觉领域有着广泛的应用。文字图像大致可以分为两种:文档图像和场景图像。与文档图像相比,场景图像文字的多样性和背景的复杂性给文字检测带来诸多困难。文字检测是文字识别的前端,本文对场景图像中的典型... 详细信息

图像文字检测与识别在计算机视觉领域有着广泛的应用。文字图像大致可以分为两种:文档图像和场景图像。与文档图像相比,场景图像文字的多样性和背景的复杂性给文字检测带来诸多困难。文字检测是文字识别的前端,本文对场景图像中的典型文字检测算法进行研究,分析了这些算法的优缺点,并在此基础上改进了 MSER算法和FASText文本检测器。主要研究内容包括以下三个方面:1.经典文字检测算法的研究。本文总结了21种主流算法在公开数据集ICDAR上的文字检测效果,数据显示现有文字检测算法依然存在低召回率的问题,召回率最高仅达83%。对候选文本区域提取和文本/非文本分类两大核心步骤中典型算法的优缺点及存在的问题进行了分析。2.基于Harris角点的MSER的文字检测方法。针对传统的MSER算法检测到的区域数量过多的问题,提出遍历所有角点提取候选区域的方法。首先为了尽可能全面地检测到角点,对Harris角点检测算法进行改进,从R、G、B三个颜色通道分别检测角点,对所有角点取并集,并使用最近邻插值构建了金字塔结构的多尺度空间。然后根据MSER算法原理,对每个检测到的Harris角点生成区域。实验结果表明,改进的算法在保证不漏检文字区域的前提下,有效减少了候选区域的数量。3.FASText文字检测器的改进。针对文字重复检测和非文字区域误检的问题,首先根据FASText关键点的分布特征和颜色属性滤除伪关键点,然后使用扫描线种子填充算法提取候选区域,并通过非最大值抑制减少文本重复检测,最后设计双阈值分类器进行文字/非文字分类。实验结果表明,改进的FASText文字检测器文字检测的准确率为91.3%、召回率为72.5%、F-指数为81.2%,与原算法相比,均有所提升。

关键词：文字检测场景图像 MSER算法 FASText文字检测器

基于卷积神经网络的自然场景文字检测研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的自然场景文字检测研究与应用

作者：陈旭国防科技大学

学位级别：硕士

作为一种重要的视觉数据信息的提取方式,自然场景文字检测是计算机视觉领域的重要研究课题,它在许多领域具有很大的应用价值。本文以卷积神经网络为基础,对自然场景文字检测算法进行研究,并将其应用到舰船舷号的检测任务中。本文的主要... 详细信息

作为一种重要的视觉数据信息的提取方式,自然场景文字检测是计算机视觉领域的重要研究课题,它在许多领域具有很大的应用价值。本文以卷积神经网络为基础,对自然场景文字检测算法进行研究,并将其应用到舰船舷号的检测任务中。本文的主要工作及创新点包括以下几个方面:首先,对于卷积神经网络的理论基础进行详细介绍。针对以卷积神经网络为主体的深度学习算法的实现技术,包括卷积核设计、池化的作用、激活函数的选取和训练过程等问题进行详细讨论。然后,在当前最有效的目标检测方法——区域候选网络的基础上,设计并实现了一种基于整体网络和区域候选网络的融合算法,整体纵向区域候选网络(Holistic Vertical Proposal Network,HVRPN)。区域候选网络的核心是运用不同尺寸的锚点框来产生候选区域去拟合目标区域,同时进行分类和回归,从而检测不同尺寸的目标。为了进一步解决不同尺寸锚点的难题,HVRPN方法将候选区域修改为垂直候选区域的集合来突破感受野的限制,从而满足不同尺寸文本的检测要求。同时,基于一种多层融合方法——整体嵌套网络(Holistically-nested networks,HED),将底层特征和高层特征结合,提高不同尺寸文字检测的准确性。论文方法在ICDAR03和ICDAR11数据集中表现出良好的效果。最后,将自然场景文字检测算法应用到舰船舷号检测任务中。针对舷号检测的特殊性对模型进行了优化,并借助迁移学习方法解决了所构建舰船舷号数据集数据量不足的问题,进一步针对舰船舷号数据的不同特征,分类进行讨论和改进,提高算法准确率。

关键词：卷积神经网络自然场景文字文字检测目标检测舰船舷号检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

监控视频中的文字检测

监控视频中的文字检测

作者：马珂华南理工大学

学位级别：硕士

视频监控已经覆盖了很多城市的大街小巷，构成了完整和立体的视频监控系统。视频监控技术对于打击违法犯罪，建设智慧城市，提升人们的生活质量都发挥着至关重要的作用。利用计算机视觉和机器学习技术解决长时间监控和海量监控数据处理... 详细信息

视频监控已经覆盖了很多城市的大街小巷，构成了完整和立体的视频监控系统。视频监控技术对于打击违法犯罪，建设智慧城市，提升人们的生活质量都发挥着至关重要的作用。利用计算机视觉和机器学习技术解决长时间监控和海量监控数据处理问题成为智能处理监控视频数据的必然发展方向。文字，作为人类语言一种重要的表现形式，在人们的日常生活中扮演着重要的角色。监控视频中往往也会包含有重要的文字信息，可以帮助人们寻找或者跟踪目标。但是，监控视频拍摄到的视频或图像基本都是自然场景，其中的文字颜色，字体，方向等有多个不确定的变化因素，给检测和识别带来巨大困难。同时，这也成为当前的一个研究热点。本文着眼于识别之前的自然图像中的文字检测技术，主要工作包括以下三个方面：本文首先对近年来提出的多个自然图像中的文字检测技术进行了综述，分析了各个方法的具体实现和优缺点。文字检测的整体框架大体上可分为两个部分，即单字检测和文字行的构建。在单字级别的检测技术上，本文将最近两年内提出的高效的单字检测方法综合起来，提出了一种更加高速有效的单字级别的检测算法。其核心思想依然是基于连通区域分割。本文使用基于三层高斯金字塔的MSER（Maximally Stable Extremal Regions的简称）进行层次化分割，利用SFT（Stroke Feature Transform的简称）和TCD（Text CovarianceDescriptor的简称）提取连通区域特征，通过随机森林分类器加以判别。该方法在ICDAR2013数据集上达到了0.75的单字召回率。在文字行的构建上，本文创新性地提出稳定文字行（Stable Text Line，简称STL）的概念。该方法将检测到的单字作为图模型的节点，图模型边的权重为单字特征的距离，然后用多重阈值分割此图模型，得到一系列备选的文字行，再从中根据文字行内单字特征相近的原则选择最优的备选文字行作为最终结果，避免了一次性判断带来的误差。并且该方法能够自然地扩展到多方向文字行的检测。实验结果表明，本文提出的方法在ICDAR2013数据集上能够达到0.6860的F measure，接近国内先进水平。

关键词：文字检测自然场景多阈值分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的场景蒙古文字检测与识别研究

基于深度学习的场景蒙古文字检测与识别研究

作者：索红宇内蒙古大学

学位级别：硕士

文字作为人类高层语义信息中最直接的表示形式,在图像理解中扮演着不可或缺的重要角色。近年来,研究人员针对场景图像中英文、汉字等文字的检测和识别方法已经进行了深入研究,并取得了丰硕成果,但针对复杂场景图像中的蒙古文字检测和识... 详细信息

文字作为人类高层语义信息中最直接的表示形式,在图像理解中扮演着不可或缺的重要角色。近年来,研究人员针对场景图像中英文、汉字等文字的检测和识别方法已经进行了深入研究,并取得了丰硕成果,但针对复杂场景图像中的蒙古文字检测和识别方法研究还处于起步阶段。在此背景下,本文主要研究内容如下:1.本文研究了一种基于深度学习和最大稳定极值区域（MSER）的场景蒙古文字检测算法。目前,由于缺少大规模场景蒙古文字检测数据集资源,无法训练得到鲁棒的深度检测网络模型,但基于MSER的方法不需要大量训练样本,且对视角、字符大小、光照变化具有鲁棒性。在MSER方法基础上,只需要相对较少的训练样本就可以训练出高效稳定的卷积神经网络（CNN）分类器,用来判断候选连通区域是否是蒙古文字区域。实验结果表明,所提方法能够良好地完成场景图像中的蒙古文字检测任务。2.本文研究了一种虚拟场景蒙古文字样本生成方法。在蒙古语言文字信息化的快速发展过程中,关于印刷体蒙古文档图像分析和文字识别方面已经开展了大量工作,但针对场景中的蒙古文字识别研究开展的较少。一方面关于蒙古语言文字的研究开展的较晚,另一方面由于缺乏大量的训练样本,导致无法将深度学习方法直接应用到该领域。本研究内容通过模拟真实场景中可能遇到的光照、遮挡、复杂背景、形变等环节干扰,生成了一个虚拟场景蒙古文字识别训练和测试数据集,以便于评估和改进现有方法。3.本文研究一种基于孪生网络的场景蒙古文字识别方法。蒙古文字是将蒙古文字母从上到下紧连着书写而成,内部局部形变小,而且蒙古文字类别大、训练样本不足,这些特点和人脸验证问题情况相似。所以本研究借鉴人脸验证中常用的孪生网络方法,并针对场景蒙古文字识别问题做了对比试验,将文字识别问题转化为计算样本之间的相似度问题。实验结果表明,所提方法能够有效缓解训练样本不足问题,提升场景蒙古文字的识别性能。

关键词：场景蒙古文字文字检测文字识别 MSER 卷积神经网络孪生网络