Extremal Region(极值区域)文本定位与识别法－学习笔记（四）

最新推荐文章于 2022-04-19 21:58:22 发布
最新推荐文章于 2022-04-19 21:58:22 发布
阅读量5k 收藏 7
点赞数 2
分类专栏： 计算机视觉 文章标签： 计算机视觉 OCR ER
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hiterdu/article/details/43604123
版权
本文介绍了如何使用极值区域(ER)技术提高复杂场景文本识别率，结合Real-Time Scene Text Localization and Recognition的论文，探讨了连续分类器和两阶段分类策略，包括阈值增量计算、带决策树的Real AdaBoost和RBF核的SVM分类器，以及尺度不变但非旋转不变的特征。最后，提到了在实时搜索系统中的应用，该系统利用文本的高阶属性进行错误补偿和字符分割。
摘要由CSDN通过智能技术生成

最近做一个计算机视觉的项目，要将其中复杂场景中的文本识别率从92%进一步提升，挑战很大也很有意思。边阅读一些最新的文本定位与识别的论文，边在这里记下阅读笔记与翻译内容，慢慢研究。本人英语与专业水平有限，仅供学习参考，欢迎交流，请多指教。

Reference: Real-TimeScene Text Localization and Recognition  Luk´aˇs Neumann  Jiˇr´ı Matas 2012 IEEE

连续分类器sequential classifier

         在本方法中，每个通道是分别进行迭代的（在原通道与反射投影中？），然后检测到极值区域。为了减小高的误判ÿ

最低0.47元/天 解锁文章
今哉
关注
专栏目录
Extremal Region(极值区域)文本定位与识别法－学习笔记（二)
【三分之一】的专栏
02-07 4371
最近做一个计算机视觉的项目，要将其中复杂场景中的文本识别率从92%进一步提升，挑战很大也很有意思。边阅读一些最新的文本定位与识别的论文，边在这里记下阅读笔记与翻译内容，慢慢研究。本人英语与专业水平有限，仅供学习参考，欢迎交流，请多指教。 Reference: Real-TimeScene Text Localization and Recognition  Luk´aˇs Neumann  
Extremal Region(极值区域)文本定位与识别法－学习笔记（三）
【三分之一】的专栏
02-07 4949
最近做一个计算机视觉的项目，要将其中复杂场景中的文本识别率从92%进一步提升，挑战很大也很有意思。边阅读一些最新的文本定位与识别的论文，边在这里记下阅读笔记与翻译内容，慢慢研究。本人英语与专业水平有限，仅供学习参考，欢迎交流，请多指教。 Reference:Real-TimeScene Text Localization and Recognition    Luk´aˇsNeumann  
Extremal Region(极值区域)文本定位与识别法－代码分析（一）
【三分之一】的专栏
02-14 8225
很惊喜的发现Jiri Matas的方法：Real-Time Scene TextLocalization and Recognition CVPR 2012 在OpenCV 3.0 的contrib中有实现，也许未来就会出现在OpenCV的正式版本中，太赞了，照源代码学习之！（四千多行代码，也是醉了~） ERFilter源码地址：https://github.com/Itseez/
findextrema:查找局部极值（最小值、最大值）和零交叉的指数。-matlab开发
06-01
它是完全矢量化的，而且速度非常快。 设计用于 EMD/HHT 算法。
（Paper）Maximally Stable Extremal Regions(MSERs)
沤江一流的专栏
05-13 4762
本文地址： 论文笔记《RobustWide Baseline Stereo from Maximally Stable Extremal Regions》这篇文章有两部分内容： MSERs的定义与检测 相应的匹配算法(暂时同去了解) 1 MSERs定义注意Extremal Region和Maximally Stable Extremal Region这两个概念。 Extremal Region：
Extremal Region(极值区域)文本定位与识别法－学习笔记（一）
【三分之一】的专栏
02-07 1万+
最近做一个计算机视觉的项目，要将其中复杂场景中的文本识别率从92%进一步提升，挑战很大也很有意思。边阅读一些最新的文本定位与识别的论文，边在这里记下阅读笔记与翻译内容，慢慢研究。本人英语与专业水平有限，仅供学习参考，欢迎交流，请多指教。                Reference:Real-TimeScene Text Localization and Recognition    Lu
Extremal Region Text Detection-ERDetect-Demo
02-14
Jiri Matas的方法：Real-Time Scene Text Localization and Recognition CVPR 2012 在OpenCV 3.0 contrib中的实现Demo,VC 2012+OpenCV3.0工程.论文和代码分析见博客：http://blog.csdn.net/hiterdu ERFilter源码地址:https://github.com/Itseez/opencv_contrib/tree/master/modules/text
基于matlab图像处理的文字区域检测实现
10-12
21世纪随着这些多媒体信息的飞速发展，目前在图片背景内提取文字区域，是人们研究的对象。在图像中实现文字区域的定位研究，不仅促进和丰富了图像处理的相关理论和内涵，而且在诸如网络等互联环境下的大数据信息检索、工业生产中的零件编号识别等领域，具有重大的应用前景。文字区域的定位一般分为两个步骤：首先确定包含文字的大致区域，然后再对该区域进行精确的定位。本文对目前比较经典的文字区域方法进行了分析和研究，并且在此基础上实现了一种图像文字区域的定位方法，该方法融合了图像的边缘检测方法和像素的统计特征。MATLAB仿真实验表明该方法定位的文字区域比较准确，同时效率比较高，具有一定的应用价值。
无约束多维极值-模式搜索法
Azuresmh的博客
02-11 1555
一、基本概念 模式搜索法每一次迭代都是交替进行横向移动和模式移动。轴向移动的目的是探索有利的下降方向，而模式移动的目的则是沿着有利方向加速移动。在几何上是寻找具有较小函数值的“山谷”，力图使迭代产生的序列沿“山谷”逼近极小值点。 clear all clc fun = @psobj; options = optimoptions('patternsearch','Display','iter','...
区域特征检测MSER方法
01-08
区域特征检测MSER算法，在vs2008下实现，运行前需要配置opencv。
基于极值区域与连通区域的图片中文本区域定位
jhonve的博客
05-19 1927
一、极值区域极值区域(Extremal Region)是指图片中一片相似区域的集合，此集合内所有的像素值都与外界的像素值存在着较大的差距。可以理解为区域外边界的像素值严格大于区域内像素值的区域。极值区域在数学上的定义，首先将图像I视为一种映射：图像I的的一个通道C的映射就可以理解为：  A表示一种邻接关系，长为D，宽为D区域内的像素是邻接的，这样就可以把图像I或者通道C中的区域R，理解为一个D的连...
OpenCV-最大极值稳定区域MSER分析
wang_128的博客
02-12 9496
最大稳定极值区域MSER是一种类似分水岭图像的分割与匹配算法，它具有仿射不变性。极值区域反映的就是集合中的像素灰度值总大于或小于其邻域区域像素的灰度值。对于最大稳定区域，通过局部阈值集操作，区域内的像素数量变化是最小的。MSER的基本原理是对一幅灰度图像（灰度值为0～255）取阈值进行二值化处理，阈值从0到255依次递增。阈值的递增类似于分水岭算法中的水面的上升，随着水面的上升，有一些较矮的丘陵会...
Opencv2.4.9源码分析——MSER
热门推荐
赵春江的专栏
11-03 5万+
最大稳定极值区域（MSER-Maximally Stable Extremal Regions）可以用于图像的斑点区域检测。该算法最早是由Matas等人于2002年提出，它是基于分水岭的概念。 MSER的基本原理是对一幅灰度图像（灰度值为0～255）取阈值进行二值化处理，阈值从0到255依次递增。阈值的递增类似于分水岭算法中的水面的上升，随着水面的上升，有一些较矮的丘陵会被淹没，如果从天空往下看
matlab实现MSER（最大极值稳定区域）来进行文本定位
weixin_30257433的博客
08-17 707
一、自然场景文本定位综述 场景图像中文本占据的范围一般都较小，图像中存在着大范围的非文本区域。因此，场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取，再到限制条件少，复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高，适用的范围也越来越广泛。文本定位的方式一般可以分为三种，基于连通域的、...
OpenCV计算机图像处理 —— 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours()
小菜鸡的小博客
04-19 5903
OpenCV计算机图像处理 —— 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours() 目录OpenCV计算机图像处理 —— 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours()1. 凸性缺陷2. 点多边形测试3. 形状匹配4. 轮廓分层与cv.findContours()4.1 轮廓分层与cv.findcontours()的关系4.2 轮廓检索模式（四种参数） 1. 凸性缺陷 一般来说凸曲线都是凸出或平坦的曲线，如
用opencv检测convexity defects
lichengyu的专栏
08-05 2万+
一 概念： Convexity hull, Convexity defects       如上图所示，黑色的轮廓线为convexity hull, 而convexity hull与手掌之间的部分为convexity defects. 每个convexity defect区域有四个特征量：起始点（startPoint），结束点(endPoint)，距离convexity hull最远点(
最大稳定极值区域（MSER）检测
zizi7的专栏
12-22 3万+
MSER算法
基于Faster-rcnn及FCN的中文OCR文本定位
wqzghost的专栏
11-21 1万+
光学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。一般分为两个步骤：文字定位，即找到文字在图片中的位置；文字识别，即识别出找到的文字。文字定位也可能包含一些二值化，矫正的步骤。 文字定位常见的算法MSER +SVM或者MSER + CNN，是一种自底向上的方法：首先产出大量MSER区域，进而用S
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值