توضیحات
چکیده
استخراج متن موجود در تصاویر صحنههای طبیعی، امروزه مورد توجه محققین زیادی قرارگرفته است.
در این پایان نامه، روشی برای استخراج متن از صحنه ها با پس زمینه پیچیده ارایه شده است.
الگوریتم پیشنهادی ازهفت مرحله اصلی تشکیل میشود.در مرحله اول ابتدا به لبه یابی تصویر می پردازیم.به طوری که با استفاده از روش لبه یابی گفته شده میتوان به خوبی تصاویری که نیمه شفاف یا کدر هستند را لبه یابی کرد.در مرحله دوم نواحی کاندید متن را انتخاب میکنیم سپس در مرحله سوم پیکسلهای به هم پیوسته را شناسایی می کنیم مرحله بعدی حذف اتصالات زاید می باشد.مرحله پنجم نیز اتصالات تیره را حذف خواهیم کرد و همچنین در مرحله بعد اتصالات نزدیک متن را پیدا کنیم و در نهایت در مرحله آخر به یافتن همسایه های شبیه یه هم بپردازیم.نتایج ارزیابی روش پیشنهادی بر روی صحنه ها ،دارای متون فارسی با قلم های مختلف با پس زمینه های ساده و پیچیده متون می باشند که بر اساس تشخیص و ارزیابی نتایج سهمجموعهداده ICDAR 2003/2005 Dataset، Microsoft Street View Text Detection Dataset ومجموعهدادهفارسی ،روش تشخیص متنپیشنهاد شده می تواند برای متن با قلم ها، اندازه، رنگ و جهت گیری های مختلف کارآمد باشد. این نتیجه در مقایسه با روش های موجود بسیار امیدوار کننده است.
واژه‌های کلیدی:
پردازش تصویر، تشخیص متن ، مکان یابی، تصویرمتنی
|
فهرست عناوین |
صفحه |
۱.2 کاربردهایاستخراجمتنازتصاویرمناظرطبیعی.. ۳
۱.3 چالشهایفهممتنازتصاویرمناظرطبیعی.. ۴
۲ فصل دوم مروریبرروشهایشناساییمتندرصحنه ها۶
۲.2 روش هایمبتنیبریادگیریماشین.. ۱۰
۳ فصل سوم مفاهیم اولیه و روش پیشنهادی.. ۱۵
۳.1 مقدمه ای بر پردازش تصویر. ۱۶
۳.6 آستانه گیری ( Threshold )17
۳.7 تشخیص الگو ( Pattern Recognition )18
۳.8 تشخیص لبه در یک تصویر. ۱۸
۳.11باینری (دوسطحی) کردن تصویر متن :۲۰
۳.15پیکسل های به هم پیوسته. ۲۷
۳.18اتصالات نزدیک کاندید متن.. ۳۰
۳.19همسایه های شبیه به هم.. ۳۲
۴ فصل چهارم نتایج شبیه سازی.. ۳۴
۴.2 نتیجه شمارش تعداد یک های سطور۳۸
۴.3 پیکسل های به هم پیوسته. ۴۱
۴.4 نتایج حذف پیکسل های کوچک… ۴۲
۴.5 حذف نویز های کاندید شده۴۳
۴.6 نتایج نزدیکی به کاندیداها۴۴
۴.7 نتایج شباهت همسایگی.. ۴۵
۴.8 مقادیر مختلف آستانه ها۴۷
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.