付费下载
下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、沈阳理工大学课程设计专用纸摘要本课程设计主要运用MATLAB的仿真平台设计进行文字识别算法的设计与仿真。也就是用于实现文字识别算法的过程。从图像中提取文字属于信息智能化处理的前沿课题,是当前人工智能与模式识别领域中的研究热点。由于文字具有高级语义特征,对图片内容的理解、索引、检索具有重要作用,因此,研究图片文字提取具有重要的实际意义。又由于静态图像文字提取是动态图像文字提取的基础,故着重介绍了静态图像文字提取技术。随着计算机科学的飞速发展,以图像为主的多媒体信息迅速成为重要的信息传递媒介,在图像中,文字信息(如新闻标题等字幕)包含了丰富的高层语义信息,提取出这些文字,对于图像高层语义的理解、索
2、引和检索非常有帮助。关键字:文字识别算法;静态图像文字提取;检索沈阳理工大学课程设计专用纸目录1课程设计目的32课程设计要求43相关知识54课程设计分析85系统实现96系统测试与分析176.1文字识别算法仿真结果176.2基于字符及单词的识别196.2.1基于字符的识别196.2.2基于单词的识别206.3现存算法的问题216.3.1大多文字识别方法依赖于人工定义的特征216.3.2脱离上下文的字符识别易造成显著的歧义216.3.3简单的单词整体识别有着较大的局限性226.3.4训练样本制作繁琐227参考文献23ii沈阳理工大学课程设计专用纸1图像文字提取又分为动态图像文字提取和静态图像文字提
3、取两种,其中,静态图像文字提取是动态图像文字提取的基础,其应用范围更为广泛,对它的研究具有基础性,所以本文主要讨论静态图像的文字提取技术。静态图像中的文字可分成两大类:一种是图像中场景本身包含的文字,称为场景文字;另一种是图像后期制作中加入的文字,称为人工文字,如右图所示。场景文字由于其出现的位置、小、颜色和形态的随机性,一般难于检测和提取;而人工文字则字体较规范、大小有一定的限度且易辨认,颜色为单色,相对与前者更易被检测和提取,又因其对图像内容起到说明总结的作用,故适合用来做图像的索引和检索关键字。对图像中场景文字的研究难度大,目前这方面的研究成果与文献也不是很丰富,本文主要讨论图像中人工文
4、字提取技术。静态图像中文字的特点静态图像中文字(本文特指人工文字,下同)具有以下主要特征:(1)文字位于前端,且不会被遮挡;(2)文字一般是单色的;(3)文字大小在一幅图片中固定,并且宽度和高度大体相同,从满足人眼视觉感受的角度来说,图像中文字的尺寸既不会过大也不会过小;(4)文字的分布比较集中,排列一般为水平方向或垂直方向;(6)多行文字之间,以及单行内各个字之间存在不同于文字区域的空隙。在静态图片文字的检测与提取过程中,一般情况下都是依据上述特征进行处理的。数字图象处理静态图像文字提取一般分为以下步骤:文字区域检测与定位、文字分割与文字提取、文字后处理。其流程如图所示。图1静态文字处理流程
5、图沈阳理工大学沈阳理工大学课程设计专用纸2在高速发展的计算机软硬件技术的支撑下,多媒体技术的发展非常迅速,计算机技术从传统的办公和计算逐渐向人工智能和数字娱乐发展。在人工智能技术中,对环境信息的拾取处理和响应显得尤为重要,其中文本信息占环境信息很大一部分,为了使人工智能系统更为完善,则需要系统能够像人眼一样对周围环境信息进行理解,尤其是环境信息中的文本信息。实验表明,人类日常生活中,50%以上的信息量来源于眼睛捕捉的周围环境的图像,人眼可以快速捕捉到图像中感兴趣的信息,而对于计算机来说,一幅图像仅仅是杂乱的数据,如何让计算机想人眼一样快速读取图像中的信息并进行分类及检索等相应处理,一直是多年来
6、计算机视觉和模式识别研究者们探索的问题,如果能很好解决这些问题,能给工业生产及国防科技带来巨大的改进。文字是信息存储和传递的重要载体,在很多由摄像设备拍摄的图片中,都存在或多或少的文字,比如路牌、店名、车站牌、商品简介等,识别图片中的文字对计算机理解图像的整体内容有非常重大的作用。如何将图片中的文字信息抽象出来形成具有完整语义的信息,再将其表达出来用于信息传递,从而辅助人类的生产和生活是研究计算机视觉的学者们多年来一直致力于解决的问题。研究如何对自然场景图片中的字符进行识别,提取出有用信息,在获取图片文本信息的各个领域都有极大的商业价值。场景文字识别在日常生活也有着重要的地位,例如车牌的识别,
7、盲人对周边环境信息的获取、图书馆管理的数字化和高效化,以及网络中对指定的内容的图像和视频的检索等。自然场景文本识别,就是将提取出来的自然场景图片中的进行识别,提取出信息用于进一步的处理。在对场景文字识别的研究中,获取自然场景图片时候,由于背景物体、光线、阴影、拍摄角度引起的图片背景千变万化,摄像器材的精度、拍摄人员的技术等软硬件的不同为拍摄同样的自然场景图片也带来了相当大的差别,被拍摄的图片中包含的文字大小、颜色、书写风格的各不相同等因素都为自然场景文字识别的实现增加的相当的难度。需要对自然场景图片中的识别首先需要对图片中的文本进行定位,然后再对己经精确定位的图片进行识别。文本定位技术作为整个
8、自然场景文本信息获取系统中的基础技术,已经得到较好发展,相同地,文本识别技术在近年来也得到了比较好的发展,但是由于文本的复杂性和随机性,较文本定位技术来说,文本识别技术发展较为缓慢。沈阳理工大学沈阳理工大学课程设计专用纸3相关知识1 .在Matlab中调用i1=imread(8.jpg;可得到原始图像,如图所示:8图2文字识别算法调制器模型2 .调用i2=rgb2gray(i1),则得到了灰度图像,如图所示:8图3灰度图像调用a=size(i1);b=size(i2);可得到:a=3,b=2即三维图像变成了二维灰度图像3 .调用i3=(i2=thresh)洪中thresh为门限,介于图4所示之
9、间fOj1240end12.调用以下代码创建字符集:code=char(由于作者水平有限书中难免存在缺点和疏漏之处恳请读批评指正,。);将创建的字符集保存在一个文件夹里面,以供匹配时候调用。13.字符匹配采用模板匹配算法:将现有字符逐个与模板字符相减,认为相减误差最小的现有字符与该模板字符匹配。沈阳理工大学沈阳理工大学课程设计专用纸丹(义7(协5(/47)=8.$1用仆打火/?心4一十)犯下2-*-d-lihLiI-*-d-lihLiIt 聚#.Id.Id 图8字符匹配也就是说,字符A与模板字符T1更相似,我们可以认为字符集中的字符T2就是字符Ao经模板匹配。14、调用以下代码,将字符放入ne
10、wtxt.txt文本:new=newtxt.txt;c=fopen(new,,a+,;fprintf(c,%B,Code(1:cnum);fclose(c);假说:字符.!=100J00100100,模板字符.=1100ri00,模板字符了二1001V00L沈阳理工大学沈阳理工大学课程设计专用纸41、算法具有局限性。对于左右结构的字符(如:川)容易造成误识别,“川”字将会被识别成三部分。当图片中文字有一定倾斜角度时,这将造成识别困难。2、模板匹配效率低。对于处理大小为m&TImes;m的字符,假设有n个模板字符,则识别一个字符至少需要m&TImes;mXnX2次运算,由于汉字有
11、近万个,这将使得运算量十分巨大!此次字符识别一共花了2.838秒。3、伸缩范围比较小。对于受污染的图片,转换成二值图像将使字符与污染源混合在一起。对于具体的图片,需反复选择合适的thresh进行二值化处理,甚至在处理之前必须进行各种滤波。沈阳理工大学沈阳理工大学课程设计专用纸5文字识别算法仿真代码如下:functionStroke=StrDetect01(LeftD,Y1,Y2,ST,PT)%ST为结构阈值,为了指定高度和宽度结构变化的不同SL=0;SR=0;SV=0;Count=0;%PT=5;%突变的阈值Str=T;%T表示结构未定,Str用于保存当前的基本结构Stroke=T;%用于保存
12、基本结构Range=Y2-Y1+1;%字符的宽度或者高度forj=Y1:Y2Count=Count+1;if(abs(LeftD(j)PT)if(LeftD(j)0)SR=SR+1;elseSV=SV+1;endendelse%检测到突变的决策if(Count=fix(Range/4)+1)%设定字符轮廓可能发生的突变范围if(SL=3)&(SR=3)Str=C;elseif(SV=2*(SL+SR)&(max(SL,SR)3)|(min(SL,SR)SR)&(SL=0.5*SV)&(SR(SR+SV)沈阳理工大学沈阳理工大学课程设计专用纸Str=L;elsei
13、f(SRSL)&(SR=0.5*SV)&(SL(SR+SV)Str=R;elseif(max(SL,SR)=3)&(min(SL,SR)=2)Str=C;endendendendendStroke=StrokeStr;endif(j=2+Y1)&(j=fix(Range/4)+1)%发生突变后,剩余部分可能无法形成字符结构if(SL=ST)&(SR=ST)Str=C;elseif(SV=2*(SL+SR)&(max(SL,SR)3)|(min(SL,SR)SR)&(SL=0.5*SV)&(SR=(SR+SV)Str=L;沈阳理工大
14、学10沈阳理工大学课程设计专用纸elseif(SRSL)&(SR=0.5*SV)&(SL=(SR+SV)Str=R;elseif(max(SL,SR)=3)&(min(SL,SR)=2)Str=C;endendendendendStroke=StrokeStr;functionNumeral=Recognition(StrokeTop,StrokeLeft,StrokeRight,StrokeBottom,Comp)%采用四边的轮廓结构特征和笔划统计(仅针对0和8)识别残缺数字%Comp是用于识别0和8的底部补充信息StrT=T;StrL=T;StrR=T;StrB=T
15、;RStr=T;%用于保存识别出的数字tempXT=size(StrokeTop);tempXL=size(StrokeLeft);tempXR=size(StrokeRight);%tempXB=size(StrokeBottom);forTi=2:XTif(StrokeTop(Ti)=C)if(XL=2)&(XR=2)if(Comp=3)|(StrokeBottom(2)=C)&(StrokeLeft(2)=C)&(StrokeRight(2)=C)RStr=8;elseRStr=0;end沈阳理工大学11沈阳理工大学课程设计专用纸elseif(StrokeLeft
16、(XL)=L)&(StrokeLeft(XL-1)=P)&(StrokeLeft(2)=C)RStr=2;elseif(StrokeLeft(2)=C)&(XL=3)&(StrokeLeft(3)=P)RStr=9;elseif(XL2)forLi=2:XLif(StrokeLeft(Li)=P)RStr=3;endendelseif(XL=2)forRi=2:XR-1if(StrokeRight(Ri)=P)RStr=6;endendendendendendendelseif(StrokeTop(Ti)=V)%Topif(XR=2)&(StrokeRi
17、ght(2)=C)%数字3右端只有一个结构RStr=3;elseif(XR=2)&(StrokeLeft(2)=P)|(StrokeLeft(3)=P)|(StrokeLeft(XL)=V)RStr=7;elseif(XR2)forRi=2:XRif(StrokeRight(Ri)=P)沈阳理工大学12沈阳理工大学课程设计专用纸RStr=5;endendendendI0=imread(8.jpg);%必须为二值图像I=im2bw(I0,0.4);y0 x0=size(I);Range=sum(I);Hy=0;forj=1:y0if(Range(j)=1)Hy=Hy+1;endendRa
18、ngeX=sum(I);Wx=0;fori=1:x0if(RangeX(i)=1)Wx=Wx+1;endendAmp=24/Hy;%将文字图像归一化到24像素点的高度。I=imresize(I,Amp);yx=size(I);%I=bwmorph(I,skel,Inf);%I=I;tic%=基本结构=%第一类:竖(V);左斜(L);右斜(R);突变(P)%第二类:左半圆弧(C);右半圆弧(Q)13沈阳理工大学14沈阳理工大学沈阳理工大学课程设计专用纸%的三类:结构待定(T);%=%Left=zeros(1,y);%左端轮廓检测forj=1:yi=1;while(i=x)&(I(j,i)
19、=1)i=i+1;endif(i=x)Left(j)=i;endendforj=1:y-1LeftD(j)=Left(j+1)-Left(j);end%=结构特征提取=%j=1;while(Left(j)1)&(jy)j=j+1;endY1=j;j=y;while(Left(j)1)j=j-1;endY2=j-1;%去掉急剧变化的两端%=右边=%Right=zeros(1,y);%左端轮廓检测forj=1:yi=x;while(i=1)&(I(j,i)=1)15沈阳理工大学沈阳理工大学课程设计专用纸i=i-1;endif(i=1)Right(j)=i;endendforj=1:
20、y-1RightD(j)=Right(j+1)-Right(j);end%=%Top=zeros(1,x);%顶端轮廓检测fori=1:xj=1;while(j=y)&(I(j,i)=1)j=j+1;endif(j=y)Top(i)=j;endendfori=1:x-1TopD(i)=Top(i+1)-Top(i);end%=%i=1;while(Top(i)1)&(ix)i=i+1;endX1=i;i=x;while(Top(i)1)16沈阳理工大学沈阳理工大学课程设计专用纸i=i-1;endX2=i-1;%去掉急剧变化的两端%=%Bottom=zeros(1,x);%底部轮
21、廓检测fori=1:xj=y;while(j=1)&(I(j,i)=1)j=j-1;endif(j=1)Bottom(i)=j;endendfori=1:x-1BottomD(i)=Bottom(i+1)-Bottom(i);end%=数字1的宽度特征=%Width=zeros(1,y);forj=1:yWidth(j)=Right(j)-Left(j);endW=m沈阳理工大学课程设计专用纸6系统测试与分析6.1文字识别算法仿真结果识别原图如图9(a)所示,仿真结果如图9(b)所示。图9(a)识别原图圃FiX文编查捶工匐副楷 I*17沈阳理工大学沈阳理工大学课程设计专用纸曰与宝,母|
22、B目|口轮廓18181616141412121010&6&64 42 20 0D D5 5101520251520259090事Fiqar#14口XP豆餐由湍乐旧展 2总4 4胤 ftj)fll(Dlftj)fll(DlflnWflnWWH)WH)18沈阳理工大学沈阳理工大学课程设计专用纸图9(b)仿真结果6.2基于字符及单词的识别6.2.1基于字符的识别Strokelets:ALearnedMulti-scaleRepresentationforSceneTextRecognitionCVPR2014)通过聚类图像块来学习中层笔画特征,然后使用霍夫(HOG)投票算法检测字符。
23、在笔画特征和HOG特征的基础上,使用随机森林分类器来进行字符分类。End-to-endscenetextrecognition(2011)借鉴计算机视觉通用的目标检测方法,提出了一个新的文本识别系统。他们利用字符置信度以及字符之间的空间约束关系,给出最可能的检测和识别结果。但是该算法只能用于水平方向排列的文本的检测识别。End-to-EndTextRecognitionwithHybridHMMMaxoutModels(2013)和PhotoOCR:ReadingTextinUncontrolledConditions(2013)等人通过无监督的二分类技术或有监督的分类器,将单词图像分割为潜在
24、的字符区域。End-to-EndTextRecognitionwithHybridHMMMaxoutModels(2013)使用一种复杂的,包含分割、矫正以及字符识别的CNN网络,结合使用固定词典的隐马尔科夫模型(HMM),生成最终的识别结果。PhotoOCR系统使用基于HOG特征的神经网络分类器,对分割得到的候选结果进行打分,使用结合N元语言模型(N-gram)的Beam搜索算法,得到候选字符集合。最后,再进沈阳理工大学19Ia aFigureZFigureZ- -文恃旧呆声日杏看M M1616A Afl)Tfl)Tm mE E更面D)D)SOWSOW曰HiHi口修U修|琳|羯式 0 电电/
25、,多日的I口沈阳理工大学课程设计专用纸一步使用语言模型和形状模型对候选字符组合进行重新排序。DeepFeaturesforTextSpotting(2014)结合了文本一非文本分类器、字符分类器、二元语言模型分类器,对整张图进行稠密的基于滑动窗口的扫描。最后结合固定词典,对图片中的单词进行分析。基于字符的识别技术依赖于使用字符分类器对图像进行逐字符识别,最终将识别得到的字符进行集成,得到图像中的整个单词。6.2.2基于单词的识别SceneTextRecognitionusingHigherOrderLanguagePrior以及Large-LexiconAttribute-Consistent
26、TextRecognitioninNaturalImages的工作依旧依赖于显式的字符分类器,但是通过构建一个图结构来推导整个单词。这会遇到和基于字符识别方法类似的困难。WholeisGreaterthanSumofParts:RecognizingSceneTextWords2013)使用整张文字图片来识别单词:他们使用基于梯度的特征图与预先制作好的单词图像进行对比,利用动态k近邻来判断当前图片所包含的单词。该方法依赖于一个固定词典以及预先生成的单词图片。Labelembeddingfortextrecognition(2013)使用集成的Fisher向量以及结构化的支持向量机框架来建立图片
27、和整个单词编码的关系。WordSpottingandRecognitionwithEmbeddedAttributes(2014)进一步探索了单词编码的概念,他们为图片和单词字符串创建了一个编码空间。这其实是Supervisedmid-levelfeaturesforwordimagerepresentation(2014)方法的扩展:显式利用字符级别的训练数据来学习中间特征。Multi-digitNumberRecognitionfromStreetViewImageryusingDeepConvolutionalNeuralNetworks,(2013)等人使用深度CNN对整张图片进行编码
28、,并使用多个位置敏感的字符级分类器来进行文字识别。他们在街景门牌号识别任务中取得了极大的成功。他们还将该模型应用到长达8位的验证码识别任务上,并使用了合成的训练数据对模型进行训练。 该方法在goggle街景门牌号识别任务中获得了96%以上的识别率。同时还在对goggle验证码识别任务中获得了99%以上的识别率。SyntheticDataandArtificialNeuralNetworksforNaturalSceneTextRecognition(2014)和ReadingTextintheWildwithConvolutionalNeuralNetworks(2014)对上述模型做了细微变
29、动:取消了预测字符长度的分类器,并引入了结束符表示文字结尾。他们随后证明了,使用合成的训练数据训练出的模型,能够成功应用到现实世界的识别问题中。将单词编码为向量是一种可行的词典单词识别方法,但是在无约束情况下,字符之间可以任意组合。当沈阳理工大学20沈阳理工大学课程设计专用纸字符数量足够多时,基于固定长度向量编码的方法性能会显著下降。但是依然存在一些不足:一些研究将深度学习技术用于单个字符的识别步骤中,但整体框架依旧遵循传统处理流程设计,因此在其它步骤中依旧会遇到绪论所述问题。Goodfellow等人的研究使用纯神经网络直接完成整个识别流程,取得了业界领先的成绩。但是由于他们需要使用固定大小的图像作为输入,并且将输入图像编码为固定长度的特征向量,在图片中字符较多的情况下,模型的识别精度会显著下降。另一方面,由于他们的模型没有对图片进行显式地字符定位和分割,因此无法得知每个字符在原图中所处位置。6.3现存算法的问题6.3.1大多文字识别方法依赖于人工定义的特征虽然有大量工作研究如何定义一组好的文字特征,但是大部分实际应用的特征都不具有通用性。在极端情况下(如图10(a),很多特征几乎无效或甚至无法提取,如笔画特征,形状特征,边缘特征等。另一方面,定义和提取人工特征也是
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 产品召回计划及执行情况报告制度
- 化工企业生产过程安全管理与质量控制指南
- 产品经理岗位面试技能要点解析
- 社交媒体行业用户行为分析与运营策略
- 老旧商圈改造后的新业态招商规划书
- 教育领域中的视觉传达设计实践
- 智慧农业的发展趋势与关键技术应用
- 制造业企业招聘面试全解析
- 基于VR技术的医学模拟训练应用研究
- 营销团队管理与考核办法
- 疫苗冷链管理培训课件
- DRG付费下医院肾内科运营策略
- T-CECA 20011-2021 含铁含锰地下水接触氧化法给水处理技术规程
- 商铺销售协议书模板
- 2026年安阳职业技术学院单招职业适应性测试必刷测试卷及答案解析(名师系列)
- 中国古代识人方法
- 中烟机械技术中心笔试试题2025
- 基于儿童心理健康发展的智能产品设计
- GB/T 6730.11-2025铁矿石铝含量的测定EDTA滴定法
- 医院污水处理知识培训课件
- 2025届四川省绵阳市高三下学期第一次诊断考-生物试题(含答案)
评论
0/150
提交评论