• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《电子学报》 >基于自适应色彩聚类和上下文信息的自然场景文本检测

基于自适应色彩聚类和上下文信息的自然场景文本检测

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

自然场景文本检测是图像内容分析和理解的重要前提.本文提出一种基于自适应色彩聚类和上下文信息分析的方法,用于检测自然场景图像文本.首先,将层次聚类和参数自学习策略结合,设计一种自适应色彩聚类方法,提取图像中的候选字符.该自适应色彩聚类方法能针对不同图像自动学习权重阈值,有较好的字符召回率.然后,利用文本中字符成行出现的性质,设计一种基于上下文信息的字符验证策略,既能保证较高字符召回率,也能有效移除非文本字符.最后,合并字符构建文本行,并通过后处理得到文本检测结果.在ICDAR2013公共数据集上的实验结果表明:本文分别获得74.17%的召回率,83.40%的准确率和78.52%的F得分.与其他文本检测方法相比,本文获得了较好的文本检测性能,说明本文方法的优越性.%Natural scene text detection is an important task for image analysis and understanding. In this paper,a natu-ral scene text detection method is proposed,using adaptive color clustering and context information analysis. Firstly,combi-ning hierarchical clustering with self-learning strategy,we design an adaptive color clustering method,which learns clustering weights automatically and generates high character recall. Then,considering text in images usually containing several charac-ters,we propose a character verification strategy based on image context information,which can guarantee high character re-call and remove non-text components at the same time. Finally,characters are merged to text lines,and further post-process-ing is applied to generate final text detection results. Experiments on the ICDAR2013 publicly available dataset show that we obtain recall of 74.17% ,precision of 83.40% and F-score of 78.52% . Compared with other text detection methods,our method obtains better text detection performance,indicating superiority of the proposed method.

著录项

  • 来源
    《电子学报》 |2018年第6期|1436-1444|共9页
  • 作者

    邹北骥; 郭建京; 朱承璋; 杨文君; 徐子雯;

  • 作者单位

    中南大学信息科学与工程学院,湖南长沙410083;

    中南大学眼科医学影像处理研究中心,湖南长沙410083;

    中南大学信息科学与工程学院,湖南长沙410083;

    中南大学眼科医学影像处理研究中心,湖南长沙410083;

    中南大学信息科学与工程学院,湖南长沙410083;

    中南大学眼科医学影像处理研究中心,湖南长沙410083;

    中南大学信息科学与工程学院,湖南长沙410083;

    中南大学眼科医学影像处理研究中心,湖南长沙410083;

    中南大学信息科学与工程学院,湖南长沙410083;

    中南大学眼科医学影像处理研究中心,湖南长沙410083;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 模式识别与装置;
  • 关键词

    自然场景文本检测; 自适应色彩聚类; 上下文信息; 自学习策略;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号