基于笔画特征的叠加文字检测方法

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。

基于COM技术的视频流文字检测

从数字视频中提取文字对基于内容的视频索引的建立具有重要意义。讨论了视频流中文字检测的算法，并提出了一种基于COM技术的实现。

基于多尺度Harris角点的图像文字检测

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。

基于蚁群优化算法的复杂背景图像文字检测方法

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。

基于数学形态学的复杂背景图像文字检测方法

为解决复杂背景图像中的文字检测问题,提出一种基于数学形态学的复杂背景文字检测方法。采用多尺度多结构的数学形态学边缘检测算子抽取图像边缘,通过由粗到精的策略进行文字检测。实验结果表明,该方法能够提高文字检测的准确率和召回率,同时缩短文字检测时间。

基于扩展失败文字检测的MaxSAT完备算法

为提高MaxSAT完备算法剪枝率和运算效率,分析失败文字检测寻找冲突集的过程,提出扩展失败文字检测方法。通过延长失败文字搜索冲突的路径,形成搜索1步、2步和任意步的递进失败文字检测方式,实现改进的MaxsatzEF算法。实验测试了MaxSAT国际竞赛4个类别的500多个算例,实验结果表明,递进失败文字检测方法找到了更多独立冲突集,可有效提高算法的下界,大幅缩短复杂算例的运行时间。

聚焦难样本的区分尺度的文字检测方法

针对卷积神经网络中间特征层信息利用不充分,以及不区分尺度和难易样本的学习所导致的文字检测精度难以提高的问题,提出基于多路精细化特征融合的聚焦难样本的区分尺度的自然场景文字检测方法.构建多路精细化的卷积神经网络融合层提取高分辨率特征图;按照文字标注矩形框的较长边的尺寸,将文字实例划分为3种尺度范围,并分布到不同的候选框提取网络中提取相应的候选框;设计聚焦损失函数对难样本进行重点学习以提高模型的表达能力并得到目标文字框.实验表明,所提出的多路精细化特征提取方法在COCO-Text数据集上的文字召回率较高,聚焦难样本的区分尺度的文字检测方法在ICDAR2013、ICDAR2015标准数据集上的检测精度分别为0.89、0.83,与CTPN、RRPN等方法相比,在多尺度多方向的自然场景图像中具有更强的鲁棒性.

自然场景图像中的文字检测综述

近年来自然场景图像中的文字检测与识别越来越得到人们的关注,主要是因为图像中的文字检测与识别对于理解图片内容、建立图像索引具有重要的意义。本文针对图像文字检测与识别这一领域的核心的问题即文字检测与定位,首先通过介绍了图像中的文字检测的基本概念,然后通过介绍和对比各种图像文字检测的方法的优缺点,我们可以得出这样一个结论即结合深度学习方法和大数据来进行自然场景图像文字检测与识别已经成为一个趋势和热点,文章最后总结了该领域的挑战和最新的发展趋势。

基于小波变换的文字检测与提取方法

视频中包含的文字信息与视频的语义内容有很强的相关性,将视频中的文字信息提取出来进行分析处理可以有效地理解电视视频语义,从而实现对视频内容的安全监控。针对文字检测提出一种基于小波变换、角点特征图像和统计特征的有效方法,并运用基于彩色空间的文字提取方法获取二值图像,更有利于后面OCR的文字识别。

基于小波特征提取的视频文字检测系统设计和实现

针对目前一般采用的基于视图的知识模型方法或统计模型方法存在的问题,提出了一种基于小波变换及特征提取器的方法,并进行系统设计和检测,实验证明了该方法的有效性。

基于LBP和变异直方图的视频文字检测方法

视频中的文字包含视频高层语义信息,对其定位和识别在视频信息检索中具有重要的作用,据此提出了一种基于局部二值模式和变异直方图的由粗到精的视频文字检测算法。首先采用边缘检测和形态学分析粗略进行文字定位,然后经局部二值模式进行纹理分析,最后利用变异直方图特征对候选的文字区域精确定位。上述检测方法全部在MATLAB7.0下编程实现,可以精确定位出绝大多数文字的坐标,并用红色矩形框自动标注。实验结果表明,该方法简单,效果良好,特别是经过局部二值模式纹理分析后,文字检测的查全率有所提高,且受文字语种、颜色、字体字号的影响相对较小。

基于稀疏表达的视频文字检测方法

针对传统视频文字检测方法存在效率较低、计算复杂、精确度不高的不足,提出一种视频文字检测方法,通过基于边缘密度和连通域分析的文字粗检测得到候选文本行,利用稀疏表达分类产生的过完备词典进行文字行验证。实验结果表明,该方法具有较好的检测性能,可以应用于视频检索系统。

基于Harris角点的彩色图像文字检测

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.

基于Faster-RCNN的古籍图像文字检测研究

古籍图像文字检测是识别的基础,利用信息技术手段实现古籍图像单个文字检测,对于古籍文字识别具有重要意义。本研究以南京图书馆藏古籍文献作为样本展开实践,首先,对古籍文献数据进行图像采集,将采集到的数据进行人工标注;然后,提出基于Faster-RCNN算法进行优化,并构建数据集进行训练;最后,通过Vgg16和ResNet101骨干网络对比,发现更深层次的ResNet101骨干网络结构能够提升文字检测精度,样本检测精确率为99.74%,召回率为96.80%,f值为98.25%。实验表明,基于Faster-RCNN算法能实现古籍图像文字有效检测。

BHS-CTPN:一种自然场景下的化验单文字检测方法

针对存在的化验单文字检测方法效果无法达到实用标准以及敏感信息区域无法有效过滤的问题,提出一种自然场景下的化验单文字检测方法(BHS-CTPN)。BHS-CTPN方法引入BRISK、Hough、Sauvola等一系列预处理方法进行化验单矫正、敏感信息区域去除和图像增强。同时在特征提取时卷积核的设计、anchor设定和文本框合并等方面来改进CTPN网络模型。BHS-CTPN方法与CTPN模型相比,准确率、召回率、F1值分别提升8%、10%、9%;与目前化验单文字检测领域效果最好的华为API接口相比,准确率、召回率、F1值分别提升6%、3%、5%。大量实验结果表明,BHS-CTPN方法能够有效准确地检测到自然场景下化验单文本位置,为后期文字识别和化验单解读奠定坚实的基础。

注意力机制在自然场景文字检测中的应用

针对目前主流的基于分割的文字检测方法中由于需要复杂的后处理过程保证检测精度,通常难以实现高检测速度的问题,提出一种应用位置注意力模块和金字塔注意力网络2种注意力机制的方法.首先用金字塔注意力网络对图像进行特征提取及语义分割;同时将位置注意力模块应用于高层特征,通过加强图像中相似物体的权重加强对文字的检测效果;最后进行简单有效的后处理,在实现较高检测准确度的前提下提高检测速度.实验结果表明,在Total-text数据集中,采用更轻量化的骨干网络时,所提方法在检测速度上优势明显;采用更深层的骨干网络时,所提方法的检测准确度领先2.0%.

基于分支ResNet-50的EAST场景文字检测算法

针对自然场景文字检测任务中多尺度文本提取效果不佳的问题,改进EAST算法的ResNet基础网络单元,采用分支结构的特征提取方法,使得算法能够感知到更加深层次的文本特征。实验证明,在ICDAR2015数据集上,分支结构的EAST算法相比原始EAST算法,提高了1.18%的准确率。该算法对于较为复杂的文本检测任务表现出良好的检测性能。

基于RetinaNet的场景文字检测算法

针对场景文字区域尺度变化较大,具有较大的长宽比,且具有任意方向性等问题,提出一种基于神经网络的场景文字检测模型。基于直接回归方法设计,无需预先设置锚框,在多次层次构建特征,且在多个分支之间共享卷积核。实验阶段在多个数据集上验证了模型的有效性,相较于现有方法,该模型计算资源消耗更小,推理速度更快,整体性能更好。

适用于文字检测的候选框提取算法

在文字检测的相关研究中,针对文字的候选框提取方法并未得到广泛关注与深入挖掘。一方面由于文字本身结构和一般物体具有较强的差异性,另一方面由于文字对检测的精度要求高。本文提出了一种针对文字的候选框提取算法,该算法首先利用全卷积网络进行快速预测文字区域,有效地减少了候选框的搜索范围,然后针对文字特性对EdgeBox算法进行改进,使之适用于自然场景文字候选框的提取。此外,本文在两个自然场景文字检测的标准数据集上对该算法进行了评测,并与其他已有的候选框提取方法进行了比较。实验结果表明本文方法相较其他算法,具有更好的性能和鲁棒性。

视觉感知式场景文字检测定位方法

针对自然场景中复杂背景干扰检测的问题,本文提出一种基于视觉感知机制的场景文字检测定位方法。人类视觉感知机制通常分为快速并行预注意步骤与慢速串行注意步骤。本文方法基于人类感知机制提出一种场景文字检测定位方法,该方法首先通过两种视觉显著性方法进行预注意步骤,然后利用笔画特征以及文字相互关系实现注意步骤。本文方法在ICDAR 2013与场景汉字数据集中均取得较有竞争力的结果,实验表明可以较好地用于复杂背景的自然场景英文和汉字的检测。