检索结果-南通市图书馆

基于全卷积神经网络的自然场景文字检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全卷积神经网络的自然场景文字检测方法研究

作者：刘媛武汉大学

学位级别：硕士

文字是人类智慧的抽象表达,它出现在我们生活的每个角落。近年来,文字检测在计算机视觉领域掀起了一股研究的热潮,被广泛应用于智慧城市、人工智能、场景解译等方面,展现了巨大的市场潜力。人们对于文字检测的场景的需求也从简单到复杂... 详细信息

文字是人类智慧的抽象表达,它出现在我们生活的每个角落。近年来,文字检测在计算机视觉领域掀起了一股研究的热潮,被广泛应用于智慧城市、人工智能、场景解译等方面,展现了巨大的市场潜力。人们对于文字检测的场景的需求也从简单到复杂,从单一到多元。然而传统的文字检测主要针对简单的文字场景,本题目主要目的是总结前人的研究成果,结合最新的文字检测技术,以深度学习为基础实现一种适用多种场景的高效稳定的文字检测算法。本文的主要内容如下:(1)自然场景文字合成。为了满足训练数据的要求,本文基于场景深度图和分割图合成了大量贴近真实数据的合成数据,导出多种数据格式以适用于不同的训练网络。(2)全景影像文字区域粗提取。本文利用全景影像自身特点裁去影像无效区域。利用高斯滤波、中值滤波对图像噪声进行平滑,利用引导滤波解决图像增强问题。然后对全景影像进行灰度边缘梯度检测、影像密度检测、轮廓线提取。剪裁下全景影像候选区域,输入检测网络获得最终检测结果。(3)基于全卷积神经网络(FullyConnectedNetwork,FCN)的多任务文字检测网络设计。首先对输入影像进行比例缩放和随机剪裁扩充输入数据。以ResNet50为底层网络,将特征影像逐层向上合并,同时考虑底层抽象信息和顶层细节信息。获得影像得概率得分图和几何得分图,利用平衡熵损失函数,平衡文字正负样本数目差异。最后得到可以检测多角度的多边形文字检测框。同时在训练过程中引入残差网络(Resnet)提高实验检测精度和效率。(4)影像后处理。本文利用标志牌长宽比、面积大小、倾角范围等固有几何特征,以及文字在成像空间上具有一定距离范围的拓扑约束过滤全景影像候选区域。利用局部非极大值抑制的方法完成检测网络候选框过滤,去除伪文字区域。通过逐行搜索候选框并进行像素合并的方法降低后处理函数时间复杂度。本文在标准数据集、中文数据集和全景影像数据集三类数据集上进行了网络训练和测试,精度分别能达到84%,69%,71.2%,比本文对比方法提升了 5%到7%,在全景影像上比Adaboost传统方法检测精度提高了 12%。时间效率上,比VGG16网络提高了 2.5倍,比本文使用的对比网络提高了 10%到50%。

关键词：深度学习自然场景文字检测全卷积神经网络全景图

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Harris角点的彩色图像文字检测

微电子学与计算机 2010年第10期27卷 136-139页

作者：刘亚洲刘国荣王田甲西安交通大学电子与信息工程学院陕西西安710049

提出了一种基于Harris角点的文字检测算法.首先,根据彩色图像和视频中文字区域和背景之间的颜色分量大小的对比,利用Harris角点检测算法,得到图像的角点分布图;然后对图像进行滤波,去除相对孤立的角点;将角点图像进行二值化,利用形态学... 详细信息

提出了一种基于Harris角点的文字检测算法.首先,根据彩色图像和视频中文字区域和背景之间的颜色分量大小的对比,利用Harris角点检测算法,得到图像的角点分布图;然后对图像进行滤波,去除相对孤立的角点;将角点图像进行二值化,利用形态学运算将角点聚合形成区域;对区域进行轮廓跟踪算法,得到文字区域的初定位图像;最后对文字区域进行验证,得到最终结果.实验证明该算法具有较高的准确性.

关键词：颜色分量 Harris角点文字检测数学形态学轮廓跟踪

在线全文

学校读者我要写书评

暂无评论

图像中文字检测技术研究与实现

图像中文字检测技术研究与实现

作者：周东傲国防科学技术大学

学位级别：硕士

在互联网上,搜索引擎Google、百度、Bing等改变了整个时代,便捷了所有人的生活,然而它们是基于文字搜索的,对于图片和视频等基于内容的搜索还不大成熟。随着成千上万的视频传上互联网,对浏览和检索视频数据的工具需求越来越迫切。图像... 详细信息

在互联网上,搜索引擎Google、百度、Bing等改变了整个时代,便捷了所有人的生活,然而它们是基于文字搜索的,对于图片和视频等基于内容的搜索还不大成熟。随着成千上万的视频传上互联网,对浏览和检索视频数据的工具需求越来越迫切。图像文字信息提取系统能够将图像中的文字检测出来并识别,自动建立图像索引,随后传统的搜索引擎就能够对图像进行检索。完整的图像文字信息提取系统包括检测、定位、提取、增强和识别图像中的文字,一般也把这个过程归纳为主要的两步:文字检测和文字识别。本文研究的是文字检测,包括字幕文字的检测和场景文字的检测。在检测字幕文字时,本文改进实现了一种基于区域的方法,先用边缘检测算子得到图像的边缘信息,再计算其最大差分标准图,采用局部阈值法将其二值化,然后利用游程平滑算法将文字连接成文字串,最后经过区域分析定位文字区域。本文方法原理清晰,计算量小,鲁棒性高。检测场景文字时,本文基于MSER和SWT算法,提出了一种新型的算子GSWT用于检测文字。最稳定极值区域(MSER)在模糊、低对比度和低光照、彩色和纹理变化的情况下鲁棒性较好,而GSWT是检测文字笔划的可靠方法,二者结合使用可以提高文字检测的准确率。考虑到场景文字中可能含有噪声,此时原来的方法会受到大幅的影响,一方面噪声的增多,使得MSER区域增多,给GSWT带来了计算量的增大;另一方面噪声的出现,使得虚警的概率升高,文字提取的准确率会下降。因此,本文探讨了两种保持边缘平滑滤波器(EPSF)——导向滤波器和自适应流型滤波器。在处理和分析含噪声的图像文字时,EPSF能够过滤噪声,同时文字的边缘信息得到保留,此时基于MSER和SWT的方法依然可行。本文仿真实现了基于区域的字幕文字检测系统和基于MSER和GSWT的场景文字检测系统,对标准数据库进行的测试表明,本文所实现的方法达到了同类较先进的水平。

关键词：字幕文字场景文字文字检测文字定位 GSWT MSER

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于组件树和霍夫森林的文字检测与识别

基于组件树和霍夫森林的文字检测与识别

作者：李天豪浙江大学

学位级别：硕士

自然场景中的文字检测与识别是图像理解中的重要部分,不仅可用于图像标注,还可用于视频监控分析、基于位置的服务和实时翻译等领域。由于自然场景的复杂性,以及文字本身的多样性,目前还没有针对该问题的完善的解决方案。在现有大部分的... 详细信息

自然场景中的文字检测与识别是图像理解中的重要部分,不仅可用于图像标注,还可用于视频监控分析、基于位置的服务和实时翻译等领域。由于自然场景的复杂性,以及文字本身的多样性,目前还没有针对该问题的完善的解决方案。在现有大部分的系统设计中,检测和识别被看成是孤立的两部分分别独立进行处理,识别任务要求以精确的定位为前提,在检测的过程中没有充分利用文字本身的差异性特征。本文提出两种有效的解决方案。第一种方案,利用深度卷积自编码网络进行无监督特征学习,并使用稀疏编码对多尺度下的特征进行融合,实现了复杂场景下的文字定位。该方案虽然检测效果良好,但计算量较大,不能满足实时的需求。第二种方案,本文提出使用多类霍夫森林建立一个统一的检测识别框架,避免检测和识别问题的割裂,有效提高了系统的整体计算效率和检测的准确度。针对霍夫森林在类别增多时识别率下降,以及在尺度多变的情况下定位偏移的问题,本文提出以使用组件树提取文字候选区域,有效去除大量的背景区域,并确定目标的尺度大小,有效解决了定位偏移的问题。本文的主要工作如下：1.提出通过深度卷积自编码网络进行无监督特征学习,以及利用稀疏编码对多尺度下的特征进行融合,应用到自然场景下的文字定位问题中;2.通过修改霍夫森林的结点分割判决函数,把霍夫森林扩展为多类分类器,并应用在文字检测和识别上,建立一个统一的框架;3.提出使用组件树,并结合一组针对文字设计的特征提取文字的候选区域,同时确定目标的尺度大小,避免了在尺度不确定的情况下对检测精度的影响。实验结果显示该方案在场景文字检测和识别方面均与目前的最优方案具有竞争性。

关键词：组件树霍夫森林图像理解文字检测文字识别

基于蚁群优化算法的复杂背景图像文字检测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用 2011年第7期31卷 1844-1846页

作者：李敏花柏猛山东科技大学电气信息系济南250031

针对复杂背景图像中的文字检测问题,提出一种基于蚁群优化算法的复杂背景图像文字检测方法。该方法首先采用蚁群优化算法提取图像边缘;然后在边缘图像上提取特征,采取由粗到精多级检测、验证的策略进行文字检测。与基于Soble算子、Cann... 详细信息

针对复杂背景图像中的文字检测问题,提出一种基于蚁群优化算法的复杂背景图像文字检测方法。该方法首先采用蚁群优化算法提取图像边缘;然后在边缘图像上提取特征,采取由粗到精多级检测、验证的策略进行文字检测。与基于Soble算子、Canny算子等方法的对比实验结果表明,所提出的基于蚁群优化算法的文字检测方法可有效地实现复杂背景图像中的文字检测。

关键词：文字检测边缘检测蚁群算法复杂背景

在线全文

学校读者我要写书评

暂无评论

基于多尺度Harris角点的图像文字检测

计算机工程与设计 2012年第9期33卷 3522-3525,F0003页

作者：杜振龙杨凡李晓丽沈钢纲南京工业大学电子与信息工程学院江苏南京210009

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法。该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点。使用多次迭代... 详细信息

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法。该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点。使用多次迭代逐步剔除非文字区域角点,精确提取备选块中的文字角点;通过区域融合形成文字区域,用轮廓跟踪法标识文字区域。实验结果表明,该算法明显提高了图像/视频文字检测的稳定性和准确率。

关键词：多尺度角点检测文字特征文字检测轮廓跟踪

在线全文

学校读者我要写书评

暂无评论

文档图像的检索与文字检测研究

文档图像的检索与文字检测研究

作者：李慕风哈尔滨工业大学

学位级别：硕士

互联网与多媒体技术的技术发展催生了对海量多媒体数据进行高效管理的需求,而文档图像作为承载着大量文字信息的特殊数据形式,在成规模数据集中的检索需求也推动了四十余年来多种检索算法的高速发展。本文以文档图像检索系统的实现为核... 详细信息

互联网与多媒体技术的技术发展催生了对海量多媒体数据进行高效管理的需求,而文档图像作为承载着大量文字信息的特殊数据形式,在成规模数据集中的检索需求也推动了四十余年来多种检索算法的高速发展。本文以文档图像检索系统的实现为核心,针对图像的预处理、文字检测、特征提取与检索进行了探索。本文基于实现的考虑,预处理采用像素级的直接操作去除噪声,突出前景信息,在特征选择上则比较了图像处理领域应用最为广泛的SIFT(Scale-invariant feature transform)、HOG(Histogram of Oriented Gradient)、LBP(Local Binary Patterns)特征在文字检测、图像检索上的实际效果,重点围绕文档图像的文字检测与基于内容的检索系统进行扩展研究,提出了基于RPN(Region Proposal Network)、LSTM(Long Short-Term Memory)相结合的深度网络用于检测文字,实现并上线运行了一套文档图像检索系统。主要内容简述如下:文字检测。近年来文字检测领域较为出色的MSER(Maximally Stable Extremal Regions)、SWT(Stroke Width Transform)、ER Filter(Extremal Regions Filter)等算法在查全率、边界准确性、鲁棒性难以做到有效平衡,本文在深度学习检测算法的基础上,利用LSTM提取文字区域的上下文信息,保留彼此之间的序列性特点,并根据RPN锚点框在尺度与宽高比上的定制优化以及垂直高度上的偏移,优化了目标检测算法对于小尺度文字区域的不足,减少了文字的误定位以及低对比度文字区域的遗漏。文档图像的检索系统。本文在LLAH(Locally Likely Arrangement Hashing)方法的基础上,利用对特征点的位置优化与数量的合理增加,改善了原算法中无效特征值过多的问题,通过对标题区域提取LBP特征,在不增加额外计算资源的基础上,以之对LLAH系统的检索结果进行筛选;本文另外提取了图像中文本行的HOG特征,结合LSH(Locality-Sensitive Hashing)进行哈希检索实验,在小规模数据集上的效率与准确度均满足了现有需求。

关键词：图像检索文字检测局部概率排列哈希区域推荐网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的场景文字检测与识别

基于深度学习的场景文字检测与识别

作者：马景法华南理工大学

学位级别：硕士

自然图像中的文字识别通常被分为两个任务:文字检测和文字识别。文字检测阶段产生图像中所有单词的边界框,而文字识别阶段识别出检测阶段产生的边界框内的单词。自然场景图像中的文字提供丰富而且精确的高层语义信息,这些信息对图像理... 详细信息

自然图像中的文字识别通常被分为两个任务:文字检测和文字识别。文字检测阶段产生图像中所有单词的边界框,而文字识别阶段识别出检测阶段产生的边界框内的单词。自然场景图像中的文字提供丰富而且精确的高层语义信息,这些信息对图像理解、图像和视频检索和基于内容的推荐系统等大量潜在应用非常重要。因此,自然场景图像的文字识别在计算机视觉和图像理解社区吸引了大量的关注。在本文中,我们通过一个全卷积神经网络将自然场景图像中文字区域候选生成和文字检测统一在一个框架中。首先,本文提出Inception区域候选网络(Inception-RPN),并设计一套文字特征先验边界框,仅用几百个文字区域候选获得一个高的文字召回率。其次,本文提出一个强大的文字检测网络,该网络为文字非文字分类和文字定位融入了“模糊文本”信息和多层次下采样的信息。最后,本文应用一个候选框迭代投票机制以一种补充的方式追求高的文字召回率,并引入一个可以为每个文字实例保留最适合的文字边界框,同时剔除内边界框和外边界框的过滤算法。该方法在ICDAR 2011和ICDAR2013文字检测标准测试集上分别获得0.83和0.85的F-measure。为了解决基于深度学习的文字识别方法中训练样本不足的问题,本文提出了一种全新的基于泊松编辑融合的场景单词图像渲染方法,该方法合成的图像真实自然,接近真实场景图像。为了验证上述方法合成的样本可用于基于深度学习的场景文字识别模型的训练,本文选用两种经典的基于深度学习的场景文字识别模型,即基于单词编码和基于递归神经网络。

关键词：深度学习文字检测文字识别泊松编辑

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于笔画特征的叠加文字检测方法

通信学报 2007年第12期28卷 116-120页

作者：王伟强付立波高文黄庆明蒋树强中国科学院计算技术研究所

提出一种利用笔画线条的统计特征基于支持向量机进行图像中叠加文字检测的方法。该算法首先通过一种改进的线段检测算子提取出笔画线段;然后对笔画线条通过区域合并定位出候选文字块;接着对候选文字块提取一个反映文字笔画线条空间分布... 详细信息

提出一种利用笔画线条的统计特征基于支持向量机进行图像中叠加文字检测的方法。该算法首先通过一种改进的线段检测算子提取出笔画线段;然后对笔画线条通过区域合并定位出候选文字块;接着对候选文字块提取一个反映文字笔画线条空间分布特点的32维特征,并通过支持向量机建立的模型对候选文字块进行确认分类。以汉字为例的初步实验表明所提出笔画纹理特征对较多字符构成的文字区域具有很好的性能。

关键词：文字检测支持向量机