6、自然/视频场景图像中基于线分布云与随机森林的文本检测

自然/视频场景图像中基于线分布云与随机森林的文本检测

1. 引言

自然场景视频图像中的文本检测在许多实时应用中至关重要，如自动驾驶和机器人自动识别办公场所或人员等。实际数据集通常包含由各种设备捕获的图像和视频，像Facebook和WhatsApp上就同时存在这两种形式，这使得文本检测问题更具挑战性。

过去，多媒体领域虽已开发出多种文本检测方法，但这些方法大多只专注于某一种数据集，在不同数据集上表现不佳，结果不稳定。而且，Facebook和Instagram上上传的图像常存在对比度变化和质量不佳的问题，提高此类图像和视频的文本检测率颇具挑战。因此，有必要提出一种新方法，能同时处理自然和视频图像中的文本检测，且在一定程度上对多种文本类型、脚本和失真具有鲁棒性。

2. 相关工作

文本检测方法大致可分为三类：专注于自然场景图像文本检测的方法、专注于视频图像文本检测的方法以及同时关注自然和视频图像文本检测的方法。

• 自然场景图像文本检测方法 ：
  • Feng等人提出基于多尺度SWT和边缘滤波的场景文本检测方法，该方法利用边缘密度和笔画宽度信息，但需要高对比度图像以获得较好结果。
  • Pei等人提出多信息融合的多方向场景文本检测方法，使用卷积神经网络分类器和Adaboost分类器，但在模糊或低对比度图像上效果不佳。
  • Wu等人提出基于多尺度自适应颜色聚类和非文本滤波的自然场景文本检测方法。
  • Zheng等人提出级联方法进行自然场景图像文本检测，使用两个字符级分类器，但对多方向文本图像效果不好。 <