图像型垃圾邮件中文字区域检测方法的研究

分析了现有文字区域检测方法,介绍了图像型垃圾邮件文字区域检测算法,并结合实验数据进行了验证分析。

湘西里耶秦简文字数字化检测技术研究与实现

对里耶秦简文字模糊不清,不易识别的问题,提出了一种利用计算机检测的方法。在对里耶秦简图像进行预处理后,利用MSER算法和非极大值抑制算法,能有效地检测出里耶秦简图像上的文字区域,并成功的将其分割和框选出来,达到便于后续研究的目的。

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响,该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域(maximally stable extremal region, MSER)结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图,并采用不同结合策略得到各尺度文本显著图;然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行;最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明,该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.

不良文字图片识别技术研究

5G消息服务的开展为不良图片信息的传播提供了便利条件。不良文字图片作为一种特殊的不良图片信息给通信网络的内容安全带来了挑战。为了能够对不良文字图片进行有效治理,运营商需要借助人工智能技术对图片中的文字信息进行识别和提取。本文详细介绍了不良文字图片治理整个技术过程需要引入的3个处理步骤,并对3个处理步骤涉及到的深度学习模型结构和原理进行了深入的研究。本文的研究内容对运营商进行不良文字图片治理具有很大的技术参考价值。