基于双门限梯度模式的图像文字检测方法
对复杂自然背景下的图像文字检测技术进行了研究,提出了一种基于双门限梯度模式的图像文字检测方法.首先,在文字粗检测阶段中,该方法抽取了最大极值稳定区域(Maximally Stable Extremal Regions,MSER)作为候选文字区域,避免了对整幅图像进行扫描,极大地提高了检测速度和实时性;其次,在文字精检测阶段的特征提取部分,为了克服文字区域颜色对比反转问题和自然图像的噪声干扰问题,提出了一种双门限梯度模式特征来描述文字区域的纹理特征;最后,在文字精检测的检测器设计中,利用极限学习机构造新的级联型ELM(Extreme Learning Ma-chine)检测器,极大地缩短了分类器的训练时间.实验结果表明,该方法不仅具有优良的检测性能,而且能极大地缩短分类器训练时间和检测时间.
图像文字检测、双门限梯度模式、极限学习机、多分类器组合
43
TP391.41(计算技术、计算机技术)
国家高技术研究发展计划863项目2013AA014604;公安部公安理论与软科学基金项目2013LLYJGADX003;中国人民公安大学基本科研业务费项目2015JKF01251
2016-08-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
156-164