【正文】 ============%Bottom=zeros(1,x)。for j=1:y Width(j)=Right(j)Left(j)。EndtoEnd Text Recognition with Hybrid HMM Maxout Models（2022）使用一種復雜的，包含分割、矯正以及字符識別的CNN網(wǎng)絡(luò)，結(jié)合使用固定詞典的隱馬爾科夫模型（HMM），生成最終的識別結(jié)果。Whole is Greater than Sum of Parts: Recognizing Scene Text Words（2022）使用整張文字圖片來識別單詞:他們使用基于梯度的特征圖與預先制作好的單詞圖像進行對比，利用動態(tài) k 近鄰來判斷當前圖片所包含的單詞。該方法在 goggle 街景門牌號識別任務(wù)中獲得了 96%以上的識別率。但是由于他們需要使用固定大小的圖像作為輸入，并且將輸入圖像編碼為固定長度的特征向量，在圖片中字符較多的情況下，模型的識別精度會顯著下降。另外，字符的識別需要上下文的參與，如圖 10（b）所示。 c)缺乏字符定位功能。為了獲得良好的機器學習效果，大部分的機器學習算法都要求盡量使用豐富、大量、貼近真實世界的樣本進行訓練。有些算法還需要結(jié)合切分好的單字符訓練樣本、多字符訓練樣本。 b)長字符串識別正確率顯著下降。然后利用字符分類器來預測字符分類。但是依然存在一些不足:一些研究將深度學習技術(shù)用于單個字符的識別步驟中，但整體框架依舊遵循傳統(tǒng)處理流程設(shè)計，因此在其它步驟中依舊會遇到緒論所述問題。他們在街景門牌號識別任務(wù)中取得了極大的成功。 基于單詞的識別Scene Text Recognition using Higher Order Language Priors 以及 LargeLexicon AttributeConsistent Text Recognition in Natural Images 的工作依舊依賴于顯式的字符分類器，但是通過構(gòu)建一個圖結(jié)構(gòu)來推導整個單詞。但是該算法只能用于水平方向排列的文本的檢測識別。 end endfor i=1:x1 BottomD(i)=Bottom(i+1)Bottom(i)。(i1))沈 陽 理 工 大 學 課 程 設(shè) 計 專 用 紙沈陽理工大學16 i=i1。end%==============================%i=1。 end endfor j=1:y1 RightD(j)=Right(j+1)Right(j)。(j1)) j=j1。end%========== 結(jié)構(gòu)特征提取 =============%j=1。%I=~I。for i=1:x0 if (RangeX(i)=1) Wx=Wx+1。% 必須為二值圖像I=im2bw(I0,)。739。amp。V39。P39。amp。amp。039。C39。C39。T39。 end end end end endStroke=[Stroke Str]。((SR=*SV)amp。 else if ((SLSR)amp。 endend %========= 提取結(jié)構(gòu) ===============%if (Count=fix(Range/4)+1) % 發(fā)生突變后，剩余部分可能無法形成字符結(jié)構(gòu)if ((SL=ST)amp。P39。 else if (max(SL,SR)=3)amp。((SR=1)||(SL(SR+SV)))))沈 陽 理 工 大 學 課 程 設(shè) 計 專 用 紙沈陽理工大學10 Str=39。 else if ((SV=2*(SL+SR))amp。 % 字符的寬度或者高度for j=Y1:Y2 Count=Count+1。SV=0。m 的字符，假設(shè)有 n 個模板字符，則識別一個字符至少需要 mamp。 fprintf（c，‘%s\n’，Code（1:um））。 %字符規(guī)格化成 4040end 12. 調(diào)用以下代碼創(chuàng)建字符集：code=char（‘由于作者水平有限書中難免存在缺點和疏漏之處懇請讀批評指正。對腐蝕膨脹后的圖像進行 Y 方向上的區(qū)域選定，限定區(qū)域后的圖像如圖所示： 掃描方法：中間往兩邊掃。在對場景文字識別的研究中，獲取自然場景圖片時候，由于背景物體、光線、陰影、拍攝角度引起的圖片背景千變?nèi)f化，攝像器材的精度、拍攝人員的技術(shù)等軟硬件的不同為拍攝同樣的自然場景圖片也帶來了相當大的差別，被拍攝的圖片中包含的文字大小、顏色、書寫風格的各不相同等因素都為自然場景文字識別的實現(xiàn)增加的相當?shù)碾y度。圖 1 靜態(tài)文字處理流程圖沈 陽 理 工 大 學 課 程 設(shè) 計 專 用 紙沈陽理工大學42 課程設(shè)計要求在高速發(fā)展的計算機軟硬件技術(shù)的支撐下，多媒體技術(shù)的發(fā)展非常迅速，計算機技術(shù)從傳統(tǒng)的辦公和計算逐漸向人工智能和數(shù)字娛樂發(fā)展。 關(guān)鍵字：文字識別算法；靜態(tài)圖像文字提取；檢索沈 陽 理 工 大 學 課 程 設(shè) 計 專 用 紙II目錄1 課程設(shè)計目的 ...........................................................................................32 課程設(shè)計要求 .........................................................................................43 相關(guān)知識 ................................................................................................54 課程設(shè)計分析 .........................................................................................85 系統(tǒng)實現(xiàn) ................................................................................................96 系統(tǒng)測試與分析 ...................................................................................17 文字識別算法仿真結(jié)果 .....................................................................17 基于字符及單詞的識別 ................................................