基于多特征检测与支持向量回归的图像文本提取算法

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于多特征检测与支持向量回归的图像文本提取算法
- The text extraction algorithm based on multi-feature detection and support vector regression
- 光学技术 2018年44卷第5期页码：609-616
- 作者机构：
  
  1. 1:武汉职业技术学院
  2. 2:广西电力职业技术学院
- 作者简介：
- 基金信息：
  
  湖北省教育厅科学技术研究计划指导性项目(B201658);广西省自然科学基金(2014GXNSFCJ053172)
- DOI：10.13741/j.cnki.11-1879/o4.2018.05.016
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
杨俊, 赵林. 基于多特征检测与支持向量回归的图像文本提取算法[J]. 光学技术, 2018,44(5):609-616.

The text extraction algorithm based on multi-feature detection and support vector regression[J]. 2018, 44(5): 609-616.
杨俊, 赵林. 基于多特征检测与支持向量回归的图像文本提取算法[J]. 光学技术, 2018,44(5):609-616. DOI： 10.13741/j.cnki.11-1879/o4.2018.05.016.

The text extraction algorithm based on multi-feature detection and support vector regression[J]. 2018, 44(5): 609-616. DOI： 10.13741/j.cnki.11-1879/o4.2018.05.016.

为解决复杂背景中难以有效提取场景文本的问题

提出了一种基于多特征检测与支持向量回归的图像文本提取方案。为有效区分文本与非文本边缘

基于图像边缘

提取场景中三个文本特征。将得到的三个文本特征进行多尺度融合

利用文本融合特征检测候选文本边界

有助于检测不同大小的文本

提高对不同类型的图像退化的鲁棒性。对于每个检测到的候选文本边界

根据邻域窗口中的像素来估计每个像素的局部阈值

利用局部阈值自适应分割提取候选字符。引入支持向量回归模型对文本像素与图像背景精确分离

消除非文本边界

提取真实字符和单词。实验表明:与当前文章提取技术相比

所提方法具有更好的鲁棒性

能适用各种变化的复杂场景文本提取

具有更优的PrecisionRecall曲线与F测量值。

浏览量

151

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Contourlet变换的无参考立体图像质量评价