基于卷積神經(jīng)網(wǎng)絡(luò)的場景圖像文本定位研究

熊海朋，陳洋洋，陳春瑋

(杭州電子科技大學(xué) 計算機學(xué)院，浙江杭州310018)

基于卷積神經(jīng)網(wǎng)絡(luò)的場景圖像文本定位研究

熊海朋，陳洋洋，陳春瑋

(杭州電子科技大學(xué) 計算機學(xué)院，浙江杭州310018)

針對由于自然場景的復(fù)雜性，從自然場景圖像中提取出文本信息較困難的問題，文中提出了一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的文本定位算法。通過對場景圖像進行預(yù)處理得到候選文本區(qū)域，在此基礎(chǔ)上結(jié)合深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)來自動提取文本特征進行進一步的定位。通過實驗驗證，定位的準(zhǔn)確率可達86%，綜合性能較好。

文本定位;二值化;自然場景圖像;卷積神經(jīng)網(wǎng)絡(luò)

自然場景圖像中包含著許多高層次的語義信息，例如交通路標(biāo)、門牌號、街道名稱等，是對場景內(nèi)容的重要反映。提取自然場景中的文本信息需要經(jīng)過3個步驟：定位出文本區(qū)域、對文本區(qū)域進行分割，對分割區(qū)域進行識別。文本定位作為提取文本信息的第一步，定位效果至關(guān)重要。因為場景圖像自身背景復(fù)雜，并且由于光照變換，字體等客觀因素的影響，導(dǎo)致文本定位問題至今仍是一個難題。

目前來說，采用的定位研究方法主要有基于圖像連通區(qū)域[1-3]、基于圖像的紋理特征[4-6]、以及基于圖像中的角點[7-8]這3種方法。以這些基本方法針對具體應(yīng)用取得了較好的效果，但是在復(fù)雜的場景下通常存在虛警率較高的問題，為解決這一問題，把這些基本方法進行合理的組合再結(jié)合機器學(xué)習(xí)進行定位是一種有效的思路[9-12]，大幅提高了復(fù)雜場景文本定位的魯棒性和效率。……