导读:本文包含了文本区域提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:文本,区域,图像,形态学,边缘,彩色,标志牌。
文本区域提取论文文献综述
李海浩,顾滨兵,刘艳平[1]（2018）在《场景图像中文本区域字符提取方法研究》一文中研究指出随着计算机技术的发展,光学识别技术的发展已较为成熟,但自然场景图像包含较复杂背景,字符的提取和识别技术难度相对较大。在自然场景中文本区域提取技术的基础上,提出了一种字符提取模型,详细介绍了基于局部重迭阈值的图像二值化算法,通过字符的水平、垂直投影技术,实现了单个字符边界的划分,并根据字符的某些特征对非字符进行了过滤,最终实现了字符的提取。(本文来源于《计算机与数字工程》期刊2018年12期）
王瑾[2]（2014）在《基于局部显着文字型区域的场景文本提取算法》一文中研究指出利用局部显着文字型区域描述结合连通分量分析思路,文章提出一种复杂背景下针对场景文本稳健的文本提取算法.该算法首先通过灰度的局部显着变化和显着多方向边缘强度定位图像的显着文本区域;然后依据区域灰度变化将原始图像进行分割,获得显着区域的连通分量包括文本分量和非文本分量;接着用一个级联分类器基于字符属性滤除部分非文本连通分量,最后统计文字包围盒的边缘方向分布信息,对每个候选连通分量提取8维的特征送入SVM分类器进行验证,最终定位出文本区域.实验结果表明,这种基于显着区域提取文本的算法有效地结合了文本的区域特性和文本连通体的笔画属性,在保证文本提取正确率的同时提高了算法速度,测试结果表现出较满意的性能.(本文来源于《太原师范学院学报(自然科学版)》期刊2014年04期）
程红蓉,秦志光,万明成,王灿,靳京[3]（2009）在《图像垃圾邮件中文本区域的自动提取方法》一文中研究指出图像中的文本区域为判别图像垃圾邮件提供了重要依据。为了获得图像中的文本区域信息,提出了基于Hough变换提取图像中倾斜文本区域的算法和降低图像背景干扰的八邻域细小边缘去除算法,实现了一种不受图像中文本颜色、字体、大小、位置、方向限制的文本区域的自动提取方法。在包含100幅垃圾图像的数据集上进行提取图像文本区域的实验。实验结果显示,新方法具有良好的文本区域提取性能。(本文来源于《解放军理工大学学报(自然科学版)》期刊2009年03期）
吴桂兰[4]（2007）在《基于边缘信息的文本区域提取算法的研究》一文中研究指出文本是存在于图像和视频中的重要的内容信息,自动定位并提取图像和视频帧中的文本区域,再通过OCR技术进行字符识别,最后提取出来图像中的文本,这对于图像理解,检索和浏览有十分重要的意义。本文主要研究彩色图像中的文本区域定位和提取方法,研究的具体内容包括:多分辨分析、边缘提取、形态学处理、连通域分析、文本区域提取等五个方面。本文提出的方法改进了现有场景文本区域和图形文本区域提取方法,获得了更好的提取准确性。由于图像上字符的大小变化范围很大,为了能够找出大小不一的文本区域,本文利用多分辨分析方法将图像分解为原分辨率的1/1、1/2和1/4的叁幅子图。然后对每幅子图应用相同的文本区域提取方法。由于文本分布方向有多种可能性,为了文本区域提取更准确一些,本文中提出了基于文本分布方向的数学形态处理算法,它的基本思想是:将文本分布方向分成水平、垂直、正斜角、反斜角四个方向来讨论,对不同的文本分布方向的图用不同的数学形态处理算法。在进行连通域分析的过程当中,求连通区域的高宽和连通区域规则化的时候又分多种情况讨论,进行详细分析,因而得到了更为理想的检测结果。在现有的文本提取方法中,有很多算法是针对特定样本集提出来的,一旦样本改变了,算法的效果就很不理想,而本文提出的方法不是针对特定样本集提出来的,因此适用范围相对广一些。(本文来源于《北京交通大学》期刊2007-11-25）
李雪妍,郭树旭,郜峰利[5]（2007）在《基于小波模极大值的视频文本区域的提取》一文中研究指出视频图像中包含着许多重要的文字信息。图像和视频文本信息的提取包括文本检测、定位、跟踪、提取、增强和识别等几个部分。将文本的检测、定位与提取,作为文本区域提取的整体来讨论。以文本的检测算法为重点研究对象,提出了应用小波模极大值算法来解决视频图像中文本区域的检测。实验表明,小波模极大值算法所得到的文本区域与其它算法相比具有更好的评价指标。(本文来源于《计算机工程》期刊2007年05期）
乔甜,付庆,尹茂东,方漪,赵志刚[6]（2006）在《基于连通区域的标志牌文本提取方法》一文中研究指出在对各种文本定位与提取方法分析比较的基础上,针对标志牌文本的具体特点,提出了一种基于连通区域的标志牌文本提取方法———在灰度图像中定位标志牌区域,二值图像中提取标志牌文本,并用VC++编程实现对采集的自然场景下的标志牌文本图像进行了实验,结果证明,该方法能够准确定位并提取自然场景下的标志牌文本,获得文本字符。(本文来源于《青岛大学学报(自然科学版)》期刊2006年04期）
徐莉莉[7]（2006）在《基于多分辨分析和一致性的文本区域提取算法的研究》一文中研究指出图像和视频中的文本字符,是图像高层语义内容的一个重要来源,它包含许多非常重要的有用的信息,如街道名称、商店名称、路标、交通标示、字幕等,这些信息对于图像和视频资料的自动注释、索引、压缩等方面有重要的参考作用。通常情况下根据文本对象的存在形式将文本分为人工文本和场景文本。目前的研究主要集中于对人工文本的研究,而场景文本的研究刚刚起步。文本提取的研究思路主要集中于应用各种图像处理的方法将文字区域的边角特征、色彩特征和纹理特征突出,然后根据一定的分类算法来划分候选的区域,经过进一步的后处理来最终确定实际的文本区域。本文针对文本区域提取这个问题来进行研究,包含预处理、多分辨分析、特征提取、分类(检测)、区域提取五个步骤来解决文本区域的准确提取问题。由于图像上字符的大小变化范围很大,为了能够找出大小不一的文本区域,在多分辨分析中,本文将图像分解为原分辨率的1/1、1/2和1/4的叁幅子图,然后对每幅子图应用相同的文本区域定位算法。在特征提取步骤中,本文把一致性H应用到文本区域提取领域,使用边缘空间映射和一致性H空间映射两种方法得到特征图像,并比较了两种空间对于文本提取的影响;对得到特征图像,使用滑动窗口比较了提取不同维数的纹理特征作为特征向量的结果。在分类检测时,通过对比支持向量机(Support Vector Machine SVM)和BP前馈网络的分类效果,选择使用支持向量机作为分类器。根据对多幅子图的分类结果进行图像融合来生成候选区域,然后逐步对候选区域进行基于密度的区域确认和平滑后处理等步骤确定最终的文本区域。通过实验表明使用一致性H变换后提取25维特征,经过支持向量机分类可以较为准确的提取出文本区域,得到较为理想的评价指标。(本文来源于《哈尔滨工业大学》期刊2006-06-01）
付慧,刘峡壁,贾云得[8]（2006）在《用于文本区域提取的边缘像素聚类方法》一文中研究指出根据边缘点的位置和颜色信息采取逐步松弛的聚类方法将图像分割成像素子集,应用文本区域边缘的分布特征提取初始文本区,并进行边界扩展得到完整的文本区域;同时给出了一种文本区域二值化方法,减少了在文本颜色极性未知时的二值图像个数,可提高字符分割等后续处理的计算效率.实验结果表明,该方法对文本区域提取是有效的,提取完整率达99%.(本文来源于《计算机辅助设计与图形学学报》期刊2006年05期）
刘倩[9]（2003）在《基于彩色图像的文本区域提取研究》一文中研究指出随着数字图书馆的兴起、多媒体信息检索和Internet技术的发展，彩色图像文本提取受到越来越多的重视，并应用于Web搜索、复杂文档的自动处理和各种图像数据库的检索等信息管理方面。图像中所包含的文本信息具有很重要的意义，通常形成对相关图像内容的简练描述或说明。自动定位图像中的文本区域，并提取这些文本信息，通过对它们的识别和分析，对于图像理解、检索查询是很有帮助的。 对于彩色图像中的文本来说，其字符排列有序，字体颜色基本相同，最重要的是字符本身与背景之间存在着明显的边缘轮廓。因此在进行彩色图像的文本提取时，有效利用文本的上述特点是十分重要的。 本文在借鉴文献[11]的基础上，对其提出的彩色边缘检测算子进行了改进，给出了CEDO(Color Edge Detection Operator)算子。CEDO算子是一个全面作用在RGB颜色空间叁个分量上的边缘检测算子。它首先将灰度图像边缘检测算子Roberts算子推广到彩色图像边缘检测中，采用欧氏距离将像素彩色值的各分量综合考虑，得到灰度边缘图像I_1。再用Laplace算子对I_1做二次边缘提取，得到灰度边缘图像I_2。在I_2的基础上，采用最小误差方法求得分割阈值，并用该阈值对I_1进行二值化处理，从而完成彩色图像的边缘提取。 利用彩色图像文本区域与背景之间存在明显边缘轮廓的特点，本文给出了彩色图像文本提取算法—TEA(Text Extraction Algorithm)。该算法首先利用CEDO进行彩色图像边缘检测，然后采用形态学膨胀技术生成区域图像，并结合区域生长算法标记候选文本块，最后通过分析文本块密度和空间频率特性来判定真正的文本块，从而较好地完成了彩色图像的文本提取。 本文对彩色图像的文本提取进行了比较透彻的阐述后，在一个简化模型基础上，详细描述了彩色图像文本提取系统的处理流程：预处理、彩色边缘检测、阈值计算及二值化处理、候选文本区域生成、文本区域提取。实验验证了TEA及CEDO的有效性。(本文来源于《西南交通大学》期刊2003-04-01）
文本区域提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用局部显着文字型区域描述结合连通分量分析思路,文章提出一种复杂背景下针对场景文本稳健的文本提取算法.该算法首先通过灰度的局部显着变化和显着多方向边缘强度定位图像的显着文本区域;然后依据区域灰度变化将原始图像进行分割,获得显着区域的连通分量包括文本分量和非文本分量;接着用一个级联分类器基于字符属性滤除部分非文本连通分量,最后统计文字包围盒的边缘方向分布信息,对每个候选连通分量提取8维的特征送入SVM分类器进行验证,最终定位出文本区域.实验结果表明,这种基于显着区域提取文本的算法有效地结合了文本的区域特性和文本连通体的笔画属性,在保证文本提取正确率的同时提高了算法速度,测试结果表现出较满意的性能.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
文本区域提取论文参考文献
[1].李海浩,顾滨兵,刘艳平.场景图像中文本区域字符提取方法研究[J].计算机与数字工程.2018
[2].王瑾.基于局部显着文字型区域的场景文本提取算法[J].太原师范学院学报(自然科学版).2014
[3].程红蓉,秦志光,万明成,王灿,靳京.图像垃圾邮件中文本区域的自动提取方法[J].解放军理工大学学报(自然科学版).2009
[4].吴桂兰.基于边缘信息的文本区域提取算法的研究[D].北京交通大学.2007
[5].李雪妍,郭树旭,郜峰利.基于小波模极大值的视频文本区域的提取[J].计算机工程.2007
[6].乔甜,付庆,尹茂东,方漪,赵志刚.基于连通区域的标志牌文本提取方法[J].青岛大学学报(自然科学版).2006
[7].徐莉莉.基于多分辨分析和一致性的文本区域提取算法的研究[D].哈尔滨工业大学.2006
[8].付慧,刘峡壁,贾云得.用于文本区域提取的边缘像素聚类方法[J].计算机辅助设计与图形学学报.2006
[9].刘倩.基于彩色图像的文本区域提取研究[D].西南交通大学.2003
论文知识图
