1、圖像文本檢測(cè)參考文章：圖像文本定位技術(shù)研究-黃治虎圖像與視頻中的文本定位技術(shù)研究綜述-廖佳，王紅梅，牛曉東圖像中的文本定位技術(shù)研究綜述-晉瑾 ，平西建， 張濤， 陳明貴自然場景中文本檢測(cè)技術(shù)研究綜述-戴津圖像和視頻中的文本包含豐富、明確的信息。 如果這些文本能被自動(dòng)地提取出來，則對(duì)圖像高層語義的自動(dòng)理解、索引和檢索是非常有價(jià)值的 圖像中的文本提取可概括為兩個(gè)步驟:文本定位。 即找出圖像中文本所在的位置或剛好包圍文本的矩形區(qū)域。 文本識(shí)別 對(duì)定位出的文本區(qū)域進(jìn)行二值化、增強(qiáng)處理, 再送入光學(xué)字符識(shí)別系統(tǒng) (OCR)中進(jìn)行字符識(shí)別。文本定位是文本識(shí)別的前提, 是文本提取的關(guān)鍵文本類型性能評(píng)價(jià)文本定

2、位應(yīng)用文本特征文本定位的方法文本類型：1、人工添加文本人工文本通常出現(xiàn)在視頻幀圖像中，如在新聞視頻中由人工加入的新聞標(biāo)題、時(shí)間等，體育賽事中人工加入的分?jǐn)?shù)記錄等，訪談節(jié)目中對(duì)話的腳本字幕等，通常有重要的提示作用2、自然場景文本場景文本是指拍攝場景中所包含的文字，如人們使用數(shù)碼相機(jī)、數(shù)碼攝像機(jī)、掃描儀等拍攝的自然場景的文本圖像。因自然文本所處的圖像或視頻背景復(fù)雜，受光照、拍攝角度、拍攝場景等因素影響，自然場景文本定位是一個(gè)具有較大難度性和挑戰(zhàn)性的研究課題性能評(píng)價(jià)：1、文本定位矩形框的精確度由標(biāo)定的矩形與Ground-truth 矩形的重合度來衡量，兩者的重合度越高，文本定位精度越高2、統(tǒng)一的樣本

3、圖像庫現(xiàn)在大多用ICDAR推出的樣本圖像庫來評(píng)定。該圖像庫主要是通過數(shù)碼相機(jī)拍攝得到的場景圖像，以門牌、廣告、指示標(biāo)識(shí)為主查準(zhǔn)率：文本區(qū)域數(shù) / 所有區(qū)域總數(shù)查全率： 正確定位的文本區(qū)域數(shù) / 圖像中所有文本區(qū)域總數(shù)文本定位應(yīng)用：1、圖像、視頻檢索2、網(wǎng)絡(luò)圖像過濾3、智能交通4、郵件分揀等文本的特征1.顏色特征大多數(shù)情況下，同一區(qū)域中同一行文字，其顏色、色調(diào)、亮度等屬性相同或相似，與圖片背景有較大的對(duì)比度。人工文本尤其如此。但也有特殊情況(藝術(shù))。2.字符的大小同一行文字，字符大小基本一致。但同一圖像中的文字大小，可能差別很大，大的可能占到圖像面積的80%以上，而小的則只有幾個(gè)像素。由于太小的

4、字符，識(shí)別率不高，像素低于10 的字符通常被刪除。3.字符的邊緣由于字符與圖像背景間具有一定的對(duì)比度，因而字符與背景間都有較突出的邊緣，這為通過邊緣檢測(cè)進(jìn)行文本定位提供了依據(jù)。邊緣包含邊緣強(qiáng)度和邊緣方向兩個(gè)要素。不同的文字，邊緣的方向不同，如英文和漢字的邊緣方向集中在水平、垂直和45方向，而拉丁文的邊緣方向集中在垂直方向。4.文字的結(jié)構(gòu)典型文檔圖像的布局都是經(jīng)過精心設(shè)計(jì)，相對(duì)固定以便于讀者閱讀。這就降低了文本區(qū)域的分割的難度。但是對(duì)于自然場景當(dāng)中的文本，它可能出現(xiàn)在圖像的任意位置，并且往往字符稀疏，字符對(duì)齊方式?jīng)]有嚴(yán)格要求。但是對(duì)于同一文本塊內(nèi)，文字的字體和字號(hào)往往保持一致，漢字在同一字體和字號(hào)下，其高度和寬度以及粗細(xì)一致，線條平直。5.紋理特征紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征，它體現(xiàn)了物體表面的具有緩慢變化或者周期性變化的表面結(jié)構(gòu)組織排列屬性。紋理具有三大標(biāo)志：某種局部序列性不斷重復(fù)、非隨機(jī)排列、紋理區(qū)域內(nèi)大致為均勻的統(tǒng)一體。紋理不同于灰度、顏色等圖像特征，它通過像素及其周圍空間鄰域的灰度分布來表現(xiàn)，即：局部紋理信息。局部紋理信息不同程度的重復(fù)性，即全局紋理信息。文本定位