【正文】 最后,對評審論文的各位專家、學(xué)者表示衷心的感謝!37。在此,表示衷心的感謝!最后，感謝中北大學(xué)所有辛勤培育我的老師們，感謝您們在大學(xué)四年里對我的支持與幫助。同時,在課程學(xué)習和論文研究期間,趙英亮老師給予了我悉心的指導(dǎo)和熱情的幫助,在課題研究中給了我很多啟發(fā)性的建議,趙老師不但幫助我對課題方向進行了解，還對我的設(shè)計方案提出了很多寶貴的建議，并耐心地解答我遇到的問題，使我的畢業(yè)設(shè)計有了質(zhì)的提高。 首先，我要感謝我的指導(dǎo)老師趙英亮老師。s entropy [J]，Pattern Recognition, 2004, 37(6): 11491161.[23]Yu Qiao, Qingmao Hua, et al. Thresholding based on variance and intensity contrast [J]，Pattern Recognition, 2007, 40(2): 596608.[24][Jain98] , and . Automatic text location in images and video frames. PatternRognition, , , , 1998.[25][Li00] , , and . Automatic text detection and tracking in digital transactions on Image Processing, , , January, 2000.[26][Li99] , and . Text enhancement in digital videos. Recognition and Retrieval, 1999[27][[J]，計算機應(yīng)用與軟件，2006, 23(4):8587.[28]周德龍，潘泉，[J]，中國圖象圖形學(xué)報，2001,6A(4)；353358[29][M]，電子工業(yè)出版社，2007年[30]侯格賢，畢篤彥，[J]，中國圖像圖形學(xué)報，2000, 5A(1):3943致 謝畢業(yè)設(shè)計結(jié)束了，短短的3個月的時間在研究彩色圖像文本提取算法研究的過程中，需要翻閱大量的資料，并進行算法的分析與實驗。參考文獻[1]陳鍛生，[J]，計算機學(xué)報，2006,29(2):194207[2]莊越挺，劉駿偉，吳飛，[J],計算機輔助設(shè)計與圖形學(xué)學(xué)報,(8):750—753[3]Yu Zhong,Kalle Karu,Anil K Jain. Locating Text in Complex Color Images[J]. Pattern Recognition, 1995, 28(10):1523—1535[4]徐華根，唐慧明，[J].電視技術(shù)，2005(1):36—38[5]陳兵旗，孫明，VisualC++使用圖像處理[M].北京:清華大學(xué)出版社，2004.[6]歐文武，朱軍民，．2003，17(5)：55—60[7]Jain A K,Yu B. Automatic Text Location in Intages and VideoFrames[J].Pattern Remgnition,1998, 31(12) :2055—2076.[8]李昭早,．2006．1[9]章毓晉,．3：254—258[10]歐文武，朱軍民，30：65—67[11]崔瑩瑩，楊杰，[J].影像技術(shù)，2006(1)：28—30[12]張引,復(fù)雜背景下文本提取方法研究與應(yīng)用[D].杭州：浙江大學(xué)。由于從彩色圖像中抽取文字信息所走流程較多，定位，二值化，識別等步驟都會不同程度地引入錯誤，即使單看其中某些步驟可能性能良好，但整體來看能完全正確抽取出來的文字還是不多，離完全實用還有一段距離。今后工作展望文本所用的算法相較以前的算法有一些改進，但也存在著一定的局限，例如有一些經(jīng)驗閾值需要設(shè)定，對低分辨率的圖像文字檢測效果不好。我們認為充分利用文本區(qū)域強烈的空間頻率特征，采用邊緣檢測和二值化閾值結(jié)合的方法，可以較好的指導(dǎo)圖像分割算法完成視頻和彩色圖像文本區(qū)域提取的任務(wù)。3．研究了彩色圖像文本區(qū)域提取算法視頻和彩色圖像文本提取是典型的圖像分割問題。2．研究了簡單背景下文本提取中的彩色圖像邊緣檢測的有關(guān)問題。主要研究成果如下: 、邊緣等特征以及目標提取算法的基礎(chǔ)上,首先將圖像灰度化,繼而進行邊緣、檢測形態(tài)學(xué)填充,然后對連通區(qū)域進行自適應(yīng)閾值分割,進而根據(jù)對文本字符區(qū)域顏色、通過行掃描邊界,去除非文本區(qū)域?；谇懊娴墓ぷ?，最后完成在彩色圖像中文本的提取，如下圖： （a）原圖對文字區(qū)域定位得到目標文本區(qū)域：（b）文字定位文本區(qū)域的提取得到字符串：（c）（文字分割）字符串圖像 本章對基于邊緣檢測算法的基礎(chǔ)上對文本的細定位做了字符的切分，即實現(xiàn)字符串，通過文本區(qū)域的二值化，去除殘余分量等算法，最后應(yīng)用閾值分割法對文本塊進行行掃描確定文字的上下邊界，達到文字字符的單獨提取。考慮到文字塊的高度, 若得到連續(xù)滿足變化條件的行數(shù)大于15 的話, 則認為這個連續(xù)變化區(qū)域為車牌的上下區(qū)域。如果滿足以上的閾值條件那么行計數(shù)器的值加 1。因為如果是通過文本區(qū)域的話,選擇15 作為閾值是可行的?；谏线叿治龅奶攸c, 現(xiàn)在尋找文本的上下邊界。判斷取一條穿過文字區(qū)域的直線上各個點的灰度值進行研究可以看出, 穿過文字區(qū)域的灰度值具有十分明顯的峰谷特征。由于字符本身的灰度與背景間的灰度值存在著較大差別, 使得文本區(qū)域中的邊緣特性很明顯, 這一特征也是尋找字符的重要依據(jù)。由于每一個區(qū)域所包含的內(nèi)容與其他區(qū)域大相徑庭,因此,必須考慮區(qū)域與區(qū)域之間的關(guān)系以及每一個小區(qū)域和整幅圖像之間的關(guān)系。全局閾值法算法簡單，對于目標和背景明顯分離、直方圖分布呈雙峰的圖像效果良好。其中全局閾值法又可分為基于點的閾值法和基于區(qū)域的閾值法。它將圖像的每個像素的灰度值與進行比較，若大于，則取為前景色（白色）；否則，取為背景色。閾值方法分為全局閾值和局部閾值兩種，如果分割過程中對圖像上每個像素所使用的閾值都相等，則為全局閾值方法；如果每個像素所使用的閾值可能不同，則為局部閾值方法[28]。文獻[Sobottka99]利用一種非監(jiān)督聚類的方法將圖片中顏色相近的像素聚成若干個像素類，然后通過一個自底向上和一個自頂向下相結(jié)合的方法來完成文字的分割；文[Zhou97]則應(yīng)用了一種基于EMST的聚類方法進行顏色的量化[27]。基于顏色模型的方法由于考慮到了文字顏色的多峰值分布，因而能夠處理比較復(fù)雜的背景，但是對不同的圖像，其文字的顏色模型往往差別很大，為多種不同的圖像建立不同的模型并不容易，有時候甚至是不可能的。在[Chen02]中，Chen等首先為圖像中的文字灰度值建立一個高斯混合模型( Gaussian Mixture Model, GMM )，然后用基于馬爾科夫隨機場(MarkovRandom Field, MRF)的方法確定每個象素所屬的高斯項，從而達到分割的目的。文[Wu97]利用了局部閾值來取出背景的噪聲，同時得到二值化的圖像。全局閾值是指整個圖像都使用的一個閾值；局部閾值則是指根據(jù)圖像的具體區(qū)域來確定的閾值，與全局閾值相比，它的優(yōu)點是能處理亮度和對比度發(fā)生變化的圖像。基于顏色閾值的方法假定了圖像中文字的亮度總是比背景高或者比背景低，通過估計背景顏色和前景顏色的閾值來達到分割的目的。圖像的二值化如下圖所示： （a）原文字區(qū)域圖 （b）二值化圖像 轉(zhuǎn)為二值化圖由于字符本身的灰度與背景間的灰度值存在著較大差別, 使得文本區(qū)域中的邊緣特性很明顯, 這一特征也是尋找字符的重要依據(jù)。其次，要進行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。將256個亮度等級的灰度圖像通過適當?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。求解閾值的方法很多，微分直方圖法、最大方差法、基于灰度的數(shù)學(xué)期望的方法、可變閾值法等。二值化的關(guān)鍵是找到合適的閾值t來區(qū)分對象和背景。 在實際的圖像處理系統(tǒng)中，進行圖像二值化的關(guān)鍵使確定合適的閾值，使得字符與背景能夠分割開來，而且二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等。這是考慮到在實用系統(tǒng)中，要求處理的速度高、成本低、信息量大的濃淡圖像處理的花銷大。在數(shù)字圖像處理中二值圖像占有很重要的地位。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]。確定文本區(qū)域位置后下一步任務(wù)就是進行字符切分分離出字符圖像。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。如圖所示： 對腐蝕后的圖像開運算結(jié)果圖在切除了非目標文本的小區(qū)域后得到定位剪切的彩色文本區(qū)域如下圖所示，實現(xiàn)了文本的彩色細定位： 本章應(yīng)用了基于邊緣的文本提取方法通過形態(tài)學(xué)填充形成連通區(qū)域,得到的二值化圖像特征更加突出,更加便于后續(xù)的篩選。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。針對本文腐蝕運算的處理結(jié)果如下圖： 對邊緣后的圖像進行腐蝕化處理 使用同一個結(jié)構(gòu)元素對圖像先腐蝕再進行膨脹的運算稱為開運算。最后得到的圖象就是