10.13873/J.1000-9787(2017)07-0045-05
基于MCA与判别字典学习的场景图文字检测方法
传统的文字检测方法在场景图像复杂背景、噪声污染和文字的多种形态特征的干扰下,检测的准确率很低,漏检、误检非常严重.针对这些问题,提出了基于形态成分分析(MCA)与判别字典学习的场景图像文字检测的方法.通过学习过完备字典将文字检测问题转化成稀疏和鲁棒表示的问题.利用MCA与改进的Fisher判别准则学习一个过完备字典,求解待检测图像文字部分的稀疏系数,重建待检测图像中的文字图像,进行文字检测.通过在ICDAR2003/2005/2011和MSRA-TDS00数据库中的大量的实验证明了与其他文字检测方法相比,该方法能有效提高检测准确率.
形态成分分析、字典学习、稀疏表示、Fisher判别、图像重构
36
TP399(计算技术、计算机技术)
国家自然科学基金应急管理项目NSFC61540042;云南省教育厅科学研究基金重点资助项目2015Z045
2017-08-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
45-49