基于深度学习法的视频文本区域定位与识别

通过对视频图像进行快速、准确的文本定位与识别,有利于提高视频信息处理的效率与准确率.采用Gabor滤波器实现在横、竖、撇、捺四个方向上的视频图像的纹理特征的提取,再通过RBM逐层增量深度学习算法构建深度置信网络,实现对提取的纹理特征图像中文本区域的定位.论文同时研究了利用形态学处理方法和OCR字符库实现对视频图像文本识别的可行性,并分析了识别效果.测试结果表明,本文提出的深度学习算法与形态学字符识别方法相结合,不但能够实现对视频图像文本区域的准确定位,还有利于提高字符识别的效率和准确率.

银行票据图像中的文本区域定位算法

针对银行票据在打印过程中产生的整体错位,提出移动基准点定位算法,能有效地解决票据信息套打时产生的文本识别区域整体偏移问题。该算法在框线基准点定位算法的基础上,确立搜索区域,在搜索区域内基于投影法找到真实的待识别文本区域,进而确定正确的基准点。实验结果表明,移动基准点定位算法的定位准确率远远好于框线基准点定位算法。

应用通道增强MSER与CNN的维吾尔文本区域定位

为了准确有效地定位出图像中的维吾尔文本区域,提出了一种基于通道增强最大稳定极值区域(Maximally Stable Extremal Region,MSER)和卷积神经网络(Convolutional Neural Network,CNN)的图像文本区域定位方法。应用通道增强MSER提取候选区域,根据文本特征的启发式规则以及CNN分类结果去除非文本和重复区域,通过区域融合算法得到词级别文本区域,根据该区域的色彩相近程度和空间关系召回遗漏的文本区域,并通过CNN网络对召回的区域分类融合,定位出图像文本区域。实验结果表明,该方法可以准确有效地定位文本区域,具有鲁棒性和应用性。

视频和图像文本提取方法综述

文本提取在视频和图像中具有重要的应用价值。近年来,大数据时代带来了海量信息检索的迫切需求,大量视频和图像中文本的提取方法涌现出来。回顾了视频和图像中文本提取的算法,从文本提取流程出发,将其分为文本区域检测定位和文本分割两大步骤。在每个步骤中,分析并比较了现有算法的使用范围及相对优缺点,讨论了图像公用数据库,列举了近些年来图像中文本提取的重要应用,指出了当前研究中存在的问题,展望了视频和场景图像文本提取方法的发展趋势。

水下视频图像文字识别

为了实现水下视频图像文字提取与识别,文中提出了一种简捷有效的方法。主要解决了复杂背景下文字识别效果差,识别率低的问题。其实现过程是:首先根据形态学图像处理原理对视频图像进行预处理,增强对比度,滤除噪声;根据预处理结果对视频文字区域进行分割,并将分割出的字符进行归一化;最后进行模板匹配,进行文字识别并保存。实际应用表明,该系统具有操作简便、识别准确的特点,达到了设计要求。