模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2012年
2期
325-331
,共7页
文本定位%Adaboost%K-means聚类%文档图像识别
文本定位%Adaboost%K-means聚類%文檔圖像識彆
문본정위%Adaboost%K-means취류%문당도상식별
文本区域定位对复杂背景图像中的字符识别和检索具有重要意义.已有方法取得高的定位准确率和召回率,但效率较低,难以应用于实际的系统中.文中提出一种基于连通分量过滤和K-means聚类的文本区域定位方法.该方法首先对图像进行自适应分割,对字符颜色层提取连通分量.然后提取连通分量的特征,并用Adaboost分类器过滤非字符连通分量.最后,对候选的字符连通分量根据其位置和颜色层进行K-means聚类来定位文本区域.实验结果显示该方法具有与当前方法相当的准确率和召回率,同时具有较低的计算复杂度.
文本區域定位對複雜揹景圖像中的字符識彆和檢索具有重要意義.已有方法取得高的定位準確率和召迴率,但效率較低,難以應用于實際的繫統中.文中提齣一種基于連通分量過濾和K-means聚類的文本區域定位方法.該方法首先對圖像進行自適應分割,對字符顏色層提取連通分量.然後提取連通分量的特徵,併用Adaboost分類器過濾非字符連通分量.最後,對候選的字符連通分量根據其位置和顏色層進行K-means聚類來定位文本區域.實驗結果顯示該方法具有與噹前方法相噹的準確率和召迴率,同時具有較低的計算複雜度.
문본구역정위대복잡배경도상중적자부식별화검색구유중요의의.이유방법취득고적정위준학솔화소회솔,단효솔교저,난이응용우실제적계통중.문중제출일충기우련통분량과려화K-means취류적문본구역정위방법.해방법수선대도상진행자괄응분할,대자부안색층제취련통분량.연후제취련통분량적특정,병용Adaboost분류기과려비자부련통분량.최후,대후선적자부련통분량근거기위치화안색층진행K-means취류래정위문본구역.실험결과현시해방법구유여당전방법상당적준학솔화소회솔,동시구유교저적계산복잡도.
