基于ASHE和SWT的低对比度自然场景图像文字定位

为解决在自然场景下光照不均匀使得图像对比度低,导致图像文字定位错检的问题,采用自适应子直方图均衡算法(Adaptive Sub-Histogram Equalization,ASHE)对图像进行对比度增强处理;采用最大稳定极值区域算法提取候选区域,结合形态学与启发式规则进行初步定位;通过改进的笔画宽度变换算法(SWT)与汉字特征进行精确定位;使用字符链融合算法,将文字区域合并,实现最终文本定位。实验结果表明改进算法对自然场景低对比度图像中文字具有较高的定位准确率,并且有效地降低了时间复杂度。

结合改进SWT和EMD的高分遥感影像道路提取

针对利用传统笔画宽度变换(stroke width transform,SWT)提取遥感影像道路阈值无法自动确定以及精度不够高的问题,提出了一种结合改进SWT和融合多特征后的陆地移动距离(earth mover’s distance,EMD)进行高分遥感影像道路提取的方法。首先,结合连通分量分析,将笔画宽度变换改进成可自动确定提取阈值的方法,进行初步道路提取;其次,确定一个道路参考区域,利用连通区作为索引,分析道路参考区域与其他区域之间的特征相似度,通过提取纹理与光谱特征,计算加权融合后的特征EMD值,设定合理的阈值过滤大部分非道路区域,提取出其他道路区域;最后,进行形态学后处理得到最终提取结果。通过实验实现该方法并与现有道路提取方法进行对比。经过评估,证明该方法在提取不同场景的道路时均能达到理想效果且具有较高精度。

一种基于SWT面向RGB-D图像的高效字符检测算法

自然场景中的字符识别有很多有意义的应用,比如机器人的自动导航,场景中文字的即时翻译等。深度相机在机器人以及可穿戴设备中已经有较为广泛的应用,而深度信息是否能辅助字符检测还没有被研究。一种基于SWT(Stroke Width Transform)的面向RGB-D图像的字符检测系统在这里被介绍,该算法利用场景三维结构和字符分布特征来优化SWT进行字符检测。虽然利用深度信息限制了该项研究的应用领域,很多应用仍然能够从该项研究中获益:比如携带Kinect的机器人的自动导航,增强现实眼镜Hololens的即时翻译等等。实验证明通过深度信息的辅助能够显著地提高基于SWT字符检测系统的性能。

基于SWT法网络社交平台图像文本检测

网络社交平台图像包含丰富的文本信息,而文本检测是提取这些文本信息的基础。针对网络社交平台图像的特点,提出一种基于笔画宽度变换(Stroke Width Transform)的检测图像文本的方法。该方法首先预处理输入的图像,接着按照分布规则检测图像文本区域,然后根据形态规则和笔画特征规则筛除非文本区域,最后输出检测的文本区域结果。仿真实验结果表明,该方法能够准确检测网络社交平台图像文本区域,效率较好。

基于自适应混合阈值的智能电表图像二值化

智能电表芯片图像中存在的亮度不均匀和字符大小不一等问题会影响二值化效果,导致字符识别率降低。而目前常用于处理亮度不均匀图像的局部阈值二值化算法大多都没有考虑图像的整体情况,容易产生过分割效应和伪影,且需要手动调整参数,无法有效处理大小不一的字符。针对上述问题,提出一种基于自适应混合阈值的二值化算法,改进了局部阈值的计算方法,利用笔画宽度变换自动计算窗口大小,并根据窗口大小计算自适应参数K,由此得到自适应的局部阈值,对局部和全局阈值进行加权,得到自适应的混合阈值。实验结果表明,相比传统的全局和局部阈值算法,该算法的评估指标和二值化效果都有一定的提升。

基于残差网络及笔画宽度变换的场景文本检测

针对目前自然场景中长文本检测效果不佳的问题,提出了一种基于残差网络及笔画宽度变换的自然场景文本检测算法。在EAST算法的基础上进行了改进,引入了残差结构加深网络深度,扩大了感受野,避免了梯度消失的问题,提升了网络的学习能力;并在损失函数中加入了预测框与真实文本框的中心点间距离作为惩罚项,有效区分了不同重叠方式的检测框,进一步提高了检测精度。同时在非极大值抑制阶段后增加了SWT(Stroke Width Transform,笔画宽度变换)阶段,对预测文本框进行扩展,依据规则判定是否存在漏检字符,补全了缺失的长文本信息。在ICDAR2015和MSRA-TD500数据集上进行了测试,将EAST算法的F值分别提高了3.7百分点和4.9百分点。表明该算法可以有效提高检测的准确度,并改善长文本的检测效果。

最大稳定极值区域与笔画宽度变换的自然场景文本提取方法

针对从背景复杂、视角多变、语言形式多样的场景图像中难以准确提取文本信息的问题,提出了一种基于最大稳定极值区域(MSER)和笔画宽度变换(SWT)场景文本提取方法。该方法结合MSER、SWT算法的优点,采用MSER算法的准确检测文字区域,建立文本候选区域,利用SWT算法计算文本候选区域笔画宽度得到候选文本区域的笔画宽度;根据笔画宽度图,利用连通域标记建立笔画宽度连通图,然后根据笔画宽度连通图,建立笔画连通图的启发性规则,删除非文本候选区域,并根据文本的几何特征分析及局部自适应窗口最大类间方差(Otsu)分割,有效提取出自然场景图像中的文本,文本提取的准确率、召回率及综合性能分别为0.74、0.64及0.68。仿真实验结果表明,在文本视角多变,字符大小、尺寸、字体各异的复杂条件下,所提方法具有较好的鲁棒性,适用于多语言和多字体混合的场景文本提取。

基于笔画宽度变换的自然场景文本检测方法

根据自然场景中文字笔画倾向于固定宽度的特点,提出一种基于像素笔画宽度变换的自然场景文本检测方法。该方法利用笔画宽度变换方法计算图像中每一个像素的笔画宽度,将笔画宽度大致相等的相邻像素合并形成文本候选区域,按照规则滤除一部分非文本区域从而实现文本的检测。实验结果表明,所提出的基于笔画宽度变换的文本检测方法避开了文本特征分类问题,能够提高文本检测的准确率和召回率,同时缩短文本检测的时间。

基于笔画宽度变换的场景文本定位

场景文本定位是场景图像中提取文本信息的基础.针对笔画宽度变换易受复杂背景干扰的问题,提出一种基于改进的笔画宽度变换的文本定位算法.该算法首先在对比度增强的图像上检测出最大稳定极值区域作为文本候选区域,接着在连通区域内进行距离变换确定笔画宽度,然后根据文本特有的笔画特征过滤掉非文本区域,最后通过文本聚合将相邻的文本区域连接成文本行.仿真实验结果表明,该算法能够在复杂场景图像中准确的定位文本,鲁棒性较好.

结合背景估计与能量函数的图像二值化算法

文档图像存在墨迹浸润等复杂背景特性,针对该问题,提出结合背景估计与能量函数的低质量文档图像二值化算法。基于相对暗特征和笔画宽度变换方法,估计文档图像的笔画宽度,采用形态学闭操作估计图像背景,通过能量函数最小化完成文档图像二值化。实验结果表明,该算法能有效抑制文档图像背景,取得较优的二值化结果,在F值(F- measure ,FM)、伪F值(pseudo F-measure,p-FM)和错误率度量(negative rate metric,NRM)等性能指标上均优于LMM等经典二值化算法。

基于谱残差与笔画宽度变换的显著性文本检测方法

为有效利用Android智能终端实现对文本信息的有效识别,提出一种基于谱残差和笔画宽度变换的显著性文本特征提取方法.首先应用基于谱残差的显著性检测获取显著图;然后利用最大熵判别方法分割并建立显著性文字候选区域;最后通过笔画宽度变换算法在候选区域内提取闭合边缘等宽特征.构建基于Android智能终端和服务器的C/S架构实验平台,在MSRA-TD500文字定位数据库与实验室场景数据库中的实验结果表明,该算法可较好地获取图像中的显著性文字特征,在保证运算效率的同时算法性能有所提升.

自然场景中多方向文本的检测

考虑到字符的形状、大小、背景和对齐方式的多样性,提出基于笔画宽度构建多方向候选区域串的模型,用于检测任意定向和弯曲的场景文本。在提取图像最大稳定极值区域(MSER)的基础上,应用剪枝算法获取孤立的连通区域,应用笔画宽度变换(SWT)获得字符候选区域,使用丢失字符恢复的算法得到候选文本行,根据多向文本行的特征应用AdaBoost算法对文本行进行分类。仿真结果表明,该算法对任意笔画宽度、任意方向的文本均可以进行检测,取得了较好的效果。

自然场景下中文文本定位关键技术的研究

针对自然场景图像的中文文本定位问题,提出一种基于汉字特征的文本定位方法。采用MSER(Maximally Stable Extremal Regions)算法提取候选文本区域;通过数学形态学运算连接汉字分离的笔画。依据汉字的特点,设计启发式规则并结合汉字的结构特征过滤非文本区域,实现初步定位;在初步定位的文本区域内作笔画宽度变换,再根据文本的笔画特征进一步过滤非文本区域。最后,通过任意方向文本行合并算法,合并定位好的文本区域,从而实现最终中文文本定位。实验证明,该方法对自然场景图像的中文文本定位取得了良好的效果。

一种抗噪的自然场景图片预处理算法模型

随着大数据时代的到来,基于自然场景图片的文字识别技术将大大提高海量图像内容检索的效率,为了利用成熟的OCR软件将自然场景中的文本识别出来,提出一种抗噪的自然场景图片预处理算法模型.该算法模型分为文本区域筛选、文本区域二值分割和文本校正三步骤,针对这三步骤分别提出了对应的三个算法.文本区域筛选采用基于角点的笔画宽度转化算法,文本区域二值化分割采用一维Otsu的双斜率分割法,文本校正采用基于Radon变换的分步投影算法.通过四个实验的验证结果可知,该算法模型文本区筛选精度高、抗噪性能强、算法复杂度适中,能适合各种角度的文本区域识别.

基于区域特征与支持向量机的场景文字定位算法

场景文字定位与识别问题近年来受到极大关注,本文针对定位场景图片中的文字提出一种区域与连通域结合的方法。首先采用最大稳定极值区域(MSER)与笔画宽度变换(SWT)相结合的方法来提取图片的候选文字连通域,然后运用启发规则对候选连通域初筛,最后提取候选连通域的方向梯度直方图特征(HOG)和均匀局部二值模式(LBP)特征,输入支持向量机(SVM),判别是否为文字区域。实验结果表明,本文算法具有较好的文字定位效果,并且召回率较高。

结合笔画宽度变换与均值漂移的遥感影像道路提取

针对在高分辨率遥感影像进行道路提取时,笔画宽度变换算法受周围地物的影响较大,无法直接获取高精度道路信息的问题,提出一种结合笔画宽度变换与均值漂移的道路提取方法:首先,利用均值漂移算法对遥感影像进行分割,以减少笔画宽度变换的错提取现象;其次,运用笔画宽度变换将不同类别的像素分为道路类和非道路类;最后,为进一步提高道路提取精度,减小斑点和非道路区域干扰,采用数学形态学方法进行提取后处理。实验结果表明:该方法可以从遥感影像中准确完整地提取出道路信息,且比直接使用笔画宽度变换算法和均值漂移算法的提取精度更高。

基于决策树学习的柱状二极管表面缺陷检测系统设计

研究对象为柱状二极管,管体表面分布着白色文字和极性环。通过光学原理设计出能够减弱反光、打亮侧面的光学平台。同时,从对象分割、特征提取和决策树分类器三方面讲述视觉软件系统的设计流程:针对文字与缺陷ROI相混的情况,先利用笔画宽度转换(SWT)分割文字,剩下的连通ROI即是缺陷ROI;针对缺陷特征,提出平均灰度、环状度、边缘方向直方图和LBP四项特征值;最后利用决策树分类器对缺陷ROI进行分类,缺陷ROI识别率接近100%,缺陷ROI分类正确率达到92.3%,取到了较好的识别和分类效果。

抗倾斜的中文文本图像文件识别技术

针对实际应用场景中如何在大批量图像文件中快速找到中文印刷体文本图像文件进行OCR (Optical Character Recognition)识别的问题,本文在笔画宽度变换算法(SWT)的基础上,设计了针对中文文本固有特点的启发式规则,并将水平投影技术与离散傅里叶变换相结合,提出了一种适合倾斜角度在–90至90°之间的中文印刷体文本图像文件识别技术.实验结果显示,在1606张测试集图像文件的识别中,本文算法针对文本图像文件整体识别F值(F-Measure)为0.95,平均识别耗时为0.65 s.

笔画背景抑制的自然场景文本检测

针对复杂背景中过多的边缘信息与噪声干扰引起笔画宽度检测不准确的问题,提出了一种结合纹理背景抑制的笔画宽度变换文本检测方法.采用Butterworth高通并结合文本纹理特征,实现了在抑制背景的同时有效保留文本区域的信息.通过结合利用加权引导滤波的图像增强技术降低噪声对边缘检测的干扰,使得文本图像的笔画宽度与边缘梯度信息的提取更为准确,从而有效提升了笔画宽度变换文本检测的性能.基于ICDAR数据库的实验结果也验证了该方法的有效性.

结合笔画宽度变换与几何特征集的高分一号遥感图像河流提取

从高空间分辨率遥感影像中提取河流具有诸多重要意义。目前大多数方法致力于从河流的光谱特征或纹理特征出发提取河流,但对于存在同物异谱或异物同谱现象、纹理分析尺度难以确定或噪声严重的的图像,基于水体光谱分析或纹理分析的方法并不十分适用。高空间分辨率图像中的河流一般结构不规则,更可能由于各种原因致使河流的局部与整体拥有不一样的光谱特征和纹理特征,然而在一些遥感图像中,河流可能在大范围内具有近似一致的宽度,基于此,提出了结合笔画宽度变换(stroke width transform,SWT)和几何特征集(geometric feature set,GFS)的河流提取方法。首先,使用Canny算子提取图像边缘,并把边缘图作为SWT算法的输入,得到笔画宽度图;然后,使用连通域标记算法对其中的像元进行分组,接着根据构造的GFS来对分组之后得到的连通域进行筛选;最后,对剩下的连通域进行孔洞填充。使用高分一号(GF-1)近红外波段进行实验的结果表明,该方法能够在完整提取目标河流的同时很好地抑制噪声。同时,该方法在提取效果和算法稳定性上明显优于乘性Duda算子和区域生长算法。