应用通道增强MSER与CNN的维吾尔文本区域定位

发布时间：2022-02-18 23:10

　　为了准确有效地定位出图像中的维吾尔文本区域,提出了一种基于通道增强最大稳定极值区域（Maximally Stable Extremal Region,MSER）和卷积神经网络（Convolutional Neural Network,CNN）的图像文本区域定位方法。应用通道增强MSER提取候选区域,根据文本特征的启发式规则以及CNN分类结果去除非文本和重复区域,通过区域融合算法得到词级别文本区域,根据该区域的色彩相近程度和空间关系召回遗漏的文本区域,并通过CNN网络对召回的区域分类融合,定位出图像文本区域。实验结果表明,该方法可以准确有效地定位文本区域,具有鲁棒性和应用性。 

【文章来源】：计算机工程与应用. 2020,56(16)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 引言
2 算法流程
    2.1 获取文本候选区域
    2.2 启发式规则去除重复区域和非文本区域
    2.3 用CNN网络分类候选区域
    2.4 建立词级别文本候选区域
    2.5 确立文本区域
3 实验结果与分析
    3.1 实验数据
    3.2 实验分析
    3.3 实验结果分析
4 结束语


【参考文献】：
期刊论文
[1]自然场景图像中的文本检测综述[J]. 王润民,桑农,丁丁,陈杰,叶齐祥,高常鑫,刘丽.  自动化学报. 2018(12)

硕士论文
[1]基于MSER和卷积神经网络的自然场景文本定位[D]. 郑毓.西安电子科技大学 2017



本文编号：3631728