【正文】 像素灰度值、彩色梯度神經(jīng)網(wǎng)絡(luò)，支持向量機目前文字識別各種技術(shù)相對成熟并已經(jīng)投入實際應(yīng)用。第六章展望與總結(jié)。第四章結(jié)合邊緣檢測和數(shù)學(xué)形態(tài)學(xué)特征對文字進(jìn)行定位，邊緣檢測算法中5種算子的比較，基于邊緣的圖像文本處理技術(shù)。論文從課題出發(fā)，第一章緒論中闡述了彩色圖像中文本信息提取的四種方式，然后比較對于不同場景和復(fù)雜背景各種方式的可操作性。 課題的主要目標(biāo)就是在彩色圖像下提取文本信息，二值化分割進(jìn)而識別文字這一特定語義對象。然后利用字幕顏色一致的特征，進(jìn)行鄰域顏色聚類算法，從背景中分離出字幕。但是算法不能提取灰度值和背景接近的文本。該算法不能提取灰度值和背景接近的文本。Marco Bertin{5]利用角點特征來進(jìn)行的視頻字幕檢測。算法對相鄰兩個視頻幀取差值，在差值圖像中尋找高亮區(qū)域。然后通過匹配算法，對連通元進(jìn)行多幀跟蹤，去除那些沒有連續(xù)多幀出現(xiàn)的連通元。在各種自然彩色圖像中，往往可以見到各種各樣的文字，這些文字一般和該圖像的語義內(nèi)容相關(guān)，或者提供了某種定位輔助信息。隨著技術(shù)的不斷發(fā)展，人們對彩色圖像中文字提取進(jìn)行了廣泛的研究，并已有許多成熟的技術(shù)應(yīng)用在各個領(lǐng)域，如交通管理中的汽車牌照識別和港口貨物管理的集裝箱編碼識別等。 隨著計算機技術(shù)、多媒體技術(shù)和通訊技術(shù)的發(fā)展，以圖像、聲音和視頻為主的多媒體信息的應(yīng)用越來越廣泛，圖像中的文本信息對檢索和瀏覽有十分重要的意義。這都使得彩色圖像下的文本的提取成為一個很有意義的研究課題。彩色圖像中文本提取的算法研究畢業(yè)論文1 緒論隨著互聯(lián)網(wǎng)和多媒體技術(shù)的快速發(fā)展，世界進(jìn)入了一個嶄新的信息化時代。彩色圖像中的文本提取即為彩色圖像中文本定位，是很困難的問題。在彩色圖像中，文本信息包含了豐富的高層語義信息[1]。但自然場景中的文本分割依然面臨著許多復(fù)雜的問題，主要原因是：(1)文字和其他自然景物混雜在一起，如樹、窗戶和房屋建筑等，背景復(fù)雜；(2)文字的顏色多種多樣；(3)文字的字體和大小復(fù)雜多變；(4)光照的變化等。若能準(zhǔn)確的將這些文字信息定位出來，并進(jìn)行處理，使之能夠被傳統(tǒng)的OCR軟件識別并被轉(zhuǎn)化成為機器內(nèi)碼，結(jié)合自然語言處理，文本檢索，文本翻譯，語音合成等技術(shù)可以被應(yīng)用到各種領(lǐng)域?qū)崿F(xiàn)。最后通過對比度的分析，形狀分析等去除非文本的連通元。這種算法只能提取高亮的視頻字幕，而不能提取非高亮度的字幕，而且也會受到較亮的物體的干擾。這種算法實質(zhì)上類似于基于灰度邊緣的算法等。王勇等[7]提出一種基于邊緣點密度的視頻字幕自適應(yīng)檢測算法。郭麗等[8]提出一種基于顏色邊緣點和游程平滑的視頻文本提取算法。最后利用字幕屬性特征消除噪聲。在各種彩色圖像中，往往可以見到各種各樣的文字，這些文字一般和該圖像的語義內(nèi)容相關(guān)，或者提供了某種定位輔助信息。并將完整的文字提取系統(tǒng)劃分為文字定位、文字分割和文字識別三個階段，指出前兩部分是本文所要解決的問題所在。應(yīng)用了基于彩色圖像的canny算子邊緣的方法。2. 彩色圖像文本特征分析與提取人們識別文本的過程不是有規(guī)律的基于邏輯的思維方式，而是一種無規(guī)則的基于直覺的思維方式。相比之下，如何準(zhǔn)確的將文字區(qū)域提取出來目前還處于探索階段。目前的研究主要集中于對人工文本的研究，而場景文本的研究剛剛起步。彩色圖像文本提取流程如下圖所示。該部分功能可簡單調(diào)用計算機視頻捕捉卡廠商提供的各種軟件開發(fā)包工具即可實現(xiàn)。 圖像預(yù)處理根據(jù)三基色原理，世界上任何色彩都可以由紅綠藍(lán)（RGB）三色不同比例的混合來表示，如果紅綠藍(lán)（RGB）三個信號分別由一個字節(jié)表示，則該圖像顏色位數(shù)就達(dá)到二十四位真彩，也就是說在二十四位真彩的數(shù)字圖像中每個像素點由三個字節(jié)來表示，根據(jù)數(shù)字圖像水平和垂直方向像素點數(shù)（即圖像分辨率）可計算出一幅圖像實際位圖大小。目前已有不少學(xué)者在這方面進(jìn)行了研究。這些方法各有優(yōu)缺點，本文結(jié)合數(shù)學(xué)形態(tài)學(xué)的特征和邊緣檢測對文本進(jìn)行定位，對于提高文本定位準(zhǔn)確率提供更有利的保障。 文本粗定位由攝像機采集的彩色圖像首先轉(zhuǎn)化為灰度圖像，經(jīng)過灰度均衡變換、Canny邊緣強化，其邊緣得到了勾勒和加強。 文本細(xì)定位在獲得文本粗定位后，利用彩色圖像的彩色分割方法。文字分割的難點在于噪聲合字符粘連，斷裂對字符的影響。：本章主要介紹了目前彩色圖像中文本信息的提取流程，對各個步驟進(jìn)行了簡單的概述。由于圖像受到種種條件的現(xiàn)實和干擾，圖像的灰度值往往與實際景物不完全平匹配，這將直接影響到圖像的后續(xù)處理，如果造成這種影響的原因主要是被攝物體遠(yuǎn)近不同，或是由于曝光不足而使得圖像灰度變化范圍變窄。 ()為避免浮點數(shù)計算，加快計算速度，叫以用式(2) 代替式(1)運算。 ()一般有以下三種方法對彩色圖像進(jìn)行灰度化： 將彩色圖像中的三分量的亮度作為三個灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像。 (a) 原圖 (b) 灰度化圖像圖 原圖像轉(zhuǎn)化為灰度化彩色圖像受到光照等影響，圖像的輸入、采集、處理的各個環(huán)節(jié)以及最終的輸出結(jié)果都會產(chǎn)生一定的影響,特別是在圖像的輸入、采集過程中,若輸入伴有較大噪聲,必定會對其后的處理以及最終的文字提取效果造成不利。 中值濾波中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)。當(dāng)窗口在圖像中上下左右進(jìn)行移動后,利用中值濾波算法可以很好地對圖像進(jìn)行平滑處理?；叶戎狈綀D是圖像預(yù)處理涉及最廣泛的基本概念之一。這時可以對[0,1]區(qū)間內(nèi)的任意一個r值進(jìn)行如下變換： （）也就是說，通過上述變換，每個原始圖像的像素值r都對應(yīng)產(chǎn)生一個s值。因為是單調(diào)增加的，由數(shù)學(xué)分析可知，它的反函數(shù)也是單調(diào)函數(shù)。這種方法就是平滑處理。但我們可以對圖像根據(jù)不同應(yīng)用特點進(jìn)行識別前的預(yù)處理，盡最大可能提高文本正確識別率，這些圖像預(yù)處理包括圖像平滑、傾斜校正、灰度修正等。本文應(yīng)用基于邊緣的方法實現(xiàn)對文本的定位。其文本定位如下圖示： （a）原圖像 (b)梯度分割結(jié)果 圖像定位結(jié)果根據(jù)邊緣是圖像上灰度值的變化最為劇烈的地方,反映為數(shù)學(xué)表達(dá)就是函數(shù)梯度比較大的地方,因此邊緣檢測的思路主要集中在研究比較好的求導(dǎo)算子上面[12]。圖像檢測,確定哪些點是邊緣點。下面介紹幾種經(jīng)典的邊緣檢測算子[13]。 Prewitt 算子 Prewitt算子類似于Sobel算子,不同的是常系數(shù)c=l。取它們的平方和的開方可以獲得性能更一致的全方位的響應(yīng)。依次用邊緣樣板去檢測圖像，與被檢測區(qū)域最為相似的樣板給出最大值。圖像的邊緣對應(yīng)著圖像灰度的不連續(xù)性。梯度是一個向量，?f 指出灰度變化的最快的方向和數(shù)量。其基本思想是:首先在一定范圍內(nèi)做平滑濾波，然后利用差分算子檢測在相應(yīng)尺度上的邊緣。Log邊緣檢測器的基本特征是： 平滑濾波器是高斯濾波器 增強步驟采用二階導(dǎo)數(shù)(二維拉普拉斯函數(shù)) 邊緣檢測判據(jù)是二階導(dǎo)數(shù)零交叉點并對應(yīng)一階導(dǎo)數(shù)的較大峰值 這種方法的特點是圖像首先與高斯濾波器進(jìn)行卷積，這一步既平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被路濾除。Log算子的輸出是通過卷積運算得到的： （） 根據(jù)卷積求導(dǎo)法有： （）一階導(dǎo)數(shù)的邊緣算子有時會導(dǎo)致檢測的邊緣點太多,檢測處的邊緣較粗。 Canny算子還有一個重要的邊緣檢測算子，即Canny算子，它是最優(yōu)的階梯型邊緣（step edge）檢測算子。（2）定位標(biāo)準(zhǔn)。Canny 邊緣檢測法是高斯函數(shù)的一階微分，它能在噪聲抑制和邊緣檢測之間取得較好的平衡[27]。 （）由此得到梯度的大小M和方向O: （）對 Canny算子作如下說明:1. 梯度進(jìn)行“非極大抑制”。這個過程叫做“非極大抑制”。（2）利用導(dǎo)數(shù)算子（如Prewitt算子、Sobel算子）找到圖像灰度沿兩個方向的導(dǎo)數(shù),并求出梯度的大小：（3）利用（2）的結(jié)果計算出梯度的方向：。（5）遍歷圖像。如果檢測結(jié)果在兩個閾值之間，則根據(jù)這個像素的鄰接像素有沒有超過高閾值的邊緣像素，如果有，則它就是邊緣，否則不是[17]。邊緣圖像的二值化是很重要的問題,如果閾值太大可能會漏掉一些文本邊緣,而閾值太小則可能會使較多的非文本邊緣被當(dāng)作文本邊緣來處理,造成較多的誤檢。其基本思想是:根據(jù)原圖像目標(biāo)特征選取適合的結(jié)構(gòu)元素，利用結(jié)構(gòu)元素對原圖像進(jìn)行平移、交、并等運算，然后將結(jié)果圖輸出。本文主要運用其中的腐蝕、開啟運算對圖像進(jìn)行后續(xù)處理。腐蝕運算的結(jié)果是沿大圓邊界向內(nèi)減少了r個象素的寬度，即直徑減少2r。A是由多個象素點連接成的圖像物體，結(jié)構(gòu)元素B是直角連接的三個象素。最后得到的圖象就是腐蝕運算的結(jié)果。為了更好的理解開運算在圖像處理中的作用，現(xiàn)討論下面的等價方程 ()這個方程表明，B對A的開運算可由對所有可以填入A的B并集得到，A的所有比B小的部分都將舍去。本算法對彩色圖像中的文本提取具有較高的精確率和較快的運算速度,取得了較好的綜合效果。將這些區(qū)域剪裁下來，就得到了原圖像的一系列子圖像，我們稱之為圖像文字塊，文字分割指的是從以上的圖像文字塊中將背景去除，得到只含文字信息的二值圖像，從這個意義上說，文字分割也可以叫做圖像文字二值化[20]。這是考慮到在實用系統(tǒng)中，要求處理的速