基于稀疏編碼特征的場景文本識別方法研究.pdf

1、場景文本識別主要研究的內容是識別出自然場景環(huán)境下拍攝的圖像中所包含的文本。自然場景文本包括路牌、商業(yè)廣告、雜貨店店面和車牌號碼等。隨著計算機技術的發(fā)展，尤其是智能手機和數碼相機的發(fā)展，先進的數碼設備越來越在人民群眾中普及，準確地識別圖像中的文本也變得越來越有應用價值，這也促使了更多的研究人員投入到這項研究中來。
　　本文主要描述了一種有效的基于稀疏編碼特征的場景文本識別方法，即稀疏編碼直方圖特征(HSC)。整個識別方法分為單字識別

2、以及單詞識別兩個階段。在單字識別階段，本文提出使用HSC特征代替梯度方向直方圖(HOG)特征，HSC特征相比于HOG特征，能更詳細表示圖像的結構信息，在不增加時間復雜度的同時，又有效地提高了識別的精確度。在HSC特征的提取過程中，首先學習得到字典，該字典用來計算圖像上每個像素的稀疏編碼。字典的學習使用K-SVD分解方法，并按照類似HOG特征提取的方法聚集每個像素的稀疏編碼形成局部直方圖。在單詞識別階段，使用動態(tài)規(guī)劃方法搜索最優(yōu)匹配以得到

3、識別結果。在動態(tài)規(guī)劃的目標函數中集成了多種信息，包括候選字符區(qū)域的每個類的字符識別分數、候選字符區(qū)域之間的幾何關系和單詞包含的字符數。在搜索前，預先給定一定數量的單詞，最終的識別結果是通過搜索所有給定單詞中對應于目標函數最大值的路徑得到。這個路徑上的每一個點就是一個字符候選區(qū)域，最后順序連接起來形成最終結果。目標函數中的參數通過最小分類錯誤(MCE)的訓練方法學習得到。在ICDAR2003、ICDAR2011和SVT這三個國際通用數據庫