基于改进型卷积神经网络和行特征的文本检测

摘要

针对现有的自然场景文本检测算法准确率尚未理想的问题,提出了一种基于改进型卷积神经网络和行特征的文本检测方法.首先,采用增强的最大稳定极值区域(MSER)提取图像的连通分量,并应用剪枝方法来获取孤立的连通区域;其次,应用改进型卷积神经网络(CNN)对非字符区域进行消除,获得候选字符区域;然后,提出基于行特征构建多方向候选文本行的算法,用于检测任意定向和弯曲的场景文本;最后,应用C4.5决策树算法对候选文本行进行分类.该算法在ICDAR2013、ICDAR2015和MSER-TD500数据集上进行实验,实验结果表明,该算法能显著提高自然场景文本检测的准确率和召回率,且适用于任意方向、语言和字体的文本.