多尺度-方向笔画结合SVM验证的文字区域定位

图像中文字区域检测与定位的关键环节是文字区域显著特征的描述与分类,文字区域一般是由几个方向的笔画组成,笔画既有梯度的边缘同时又具有明显的方向分布规律。在此思路的引导下,利用特征定位和学习型验证的两级框架提出一种新的文字区域定位算法。在粗定位模块中,引入对字符区域有显著描述能力的多尺度-方向笔画算子融合字符边缘粗糙度特征;经阈值处理、形态学滤波、最小矩形区域覆盖得到候选文字区域。在验证模块中,提取对文字有较强鉴别能力的笔画特征,然后用SVM(support vector machine)分类器对候选文本行进行验证筛选,得到文本区域的最终定位结果。实验结果表明,该算法具有较强的鲁棒性,无论对中文字符区域还是英文字符区域都能得到较好的定位结果。

基于深度全卷积神经网络的文字区域定位方法

近年来,深度学习模型在各种计算机视觉方面都展现出了远远优于传统方法的性能,在自然场景中的文字区域定位问题中引入深度学习方法无疑也是大势所趋。文章提出了一种基于深度全卷积网络方法的文字区域定位方法,实现了端到端的训练、检测,使得训练更为有效,检测过程更加高效。最终文中方法在ICDAR 2015数据集上对比基于MSER等的传统方法有了很大提升,达到了86.57%的查准率和82.1%的召回率。

图像文本定位算法的研究与设计

为了有效提高数字图像文字提取技术的识别率,文章在数字图像处理技术研究的基础上,对图像文本区域定位技术进行研究,并重点介绍了本文提出的文本区域定位算法.算法的详细流程主要包括边缘检测、二值化处理、文本形态处理以及背景噪声去除等,通过在Matlab5.0环境下进行仿真分析,可以看到本文提出的文本区域定位算法能够较好的实现对图像中的文字区域进行定位。

一种新的变形石刻图像校正算法

针对大幅摩崖石刻拍摄时因地势限制等原因导致不能从正面采集石刻图像而影响数字化石刻拓片制作,提出一种基于石刻特征的变形图像校正算法。利用二维Otsu自适应分割算法将图像分成背景和前景2部分,根据石刻中四边形或汉字的笔画、结构特征找出4个标记点,由标记点的位置求解双线性空间变换方程,通过双线性插值方法实现变形图像校正。实验结果表明,该算法对因拍摄角度受限造成的石刻图像变形能取得良好的校正效果。