自然场景中基于单样例的文本检测算法

在自然场景图像中由于图像背景的复杂性,给文本检测带来了不小的挑战.为了减少复杂背景对文本检测的影响,提出一种基于单样例的文本检测算法.单样例是一幅仅包含文本区域的图像.通过计算目标图像与单样例图像之间的特征相似度,对自然场景图像中文本区域进行初步定位,大大减少了MSER算法所提文本候选区域中的非文本区域.对于得到的文本候选区域,使用几何约束以及笔画宽度特征,进一步移除非文本区域.最后合并特征相似的文字区块,提取出图像中的文本区域.实验结果表明,与其他算法相比,该算法能够准确检测出图像中的文本区域,达到理想的定位效果.

基于self-resemblance的视频通用目标跟踪与提取研究

针对目前图像识别中存在局部识别及特定目标识别的限制和目标视频片段提取的问题,该文利用局部自适应回归核函数（LARKs）,并结合self-resemblance、PCA、Saliency Map等方法而设计出一种视频中通用目标识别系统,该系统可以通过输入图片从视频中找到目标并进行跟踪,针对用户需求可以从视频中提取只与目标相关的视频片段,从而提高用户获取有效信息的效率。经过实验测试,该方法具有较高的准确率,特别是在视频监控领域具有重要的应用价值。