7、自然场景与视频图像文本检测及图像压缩新方法

自然场景与视频图像文本检测及图像压缩新方法

在当今的计算机视觉和图像处理领域，文本检测和图像压缩是两个重要的研究方向。本文将介绍一种自然场景和视频图像中的文本检测方法，以及基于卷积神经网络（CNN）的类离散余弦变换（DCT）图像压缩方法。

自然场景与视频图像文本检测

文本检测在自然场景和视频图像中具有广泛的应用，如智能交通、图像检索等。下面将详细介绍文本检测的具体步骤和实验结果。

特征向量构建

首先，将每个 $C_k$ 的均值、标准差和角度组合成一个 30 维的特征向量。在组件级别上，文本和非文本示例的特征构建有所不同。随着 $k$ 的增加，文本组件的 $h$ 变化小于非文本组件，并且文本组件的分布会先变得更分散，然后趋于稳定，而非文本组件的分布则无法稳定。最后，将组件级别的特征向量输入到随机森林分类器中，为每个候选文本分配标签。

文本行构建

文本行构建是通过对前一步得到的文本候选进行分组来实现的。设文本候选集为 $S$，它提供了文本的粗略位置。为了为提取的文本行绘制边界框，该方法会对具有共同形状属性（如高度、比例和方向）的文本候选进行分组。具体条件如下：
[
f_q(p,q) =
\begin{cases}
1, & \text{if } \left|\frac{H_p}{H_q}\right| \in [\frac{2}{3}, \frac{3}{2}], \left|h_p - h_q\right| \leq \frac{\pi}{8}, \left|f_d(p,q) - \frac{W_p + W_q}{2}\right| \leq H_p + H_q \
\en