范一华，邓德祥，颜 佳

(武汉大学 电子信息学院，武汉 430072)(*通信作者电子邮箱ddx_dsp@163.com)

0 引言

近几年来，文本检测已经成为计算机视觉研究的热点。作为人类想法和表达方式的承载体，自然场景中的文本例如广告牌、路标等包含丰富的有价值的信息，这些信息极大地方便了大家的生活，并且为商业带来巨大的利益。文本检测被广泛地应用在图像检索和人机交互等领域，因此，自然场景中的文本检测的研究不可避免地成为研究的趋势，如何设计一个健壮的文本检测算法是一个亟待解决的问题。

文本检测最常用的两个方法是基于滑动窗口[1-2]的方法和基于连通域分析[3-6]的方法。基于滑动窗口的方法可以实现很高的召回率，但是需要多种尺寸的窗口在整幅图像移动，穷举的搜索增加了计算复杂度，并且会产生大量的错误候选区域，此方法的检测率和实时性都不能满足目前的需求。基于连通域分析的方法是通过连通域分析提取字符候选区域，然后采用分类器筛选非字符区域，最后将字符整合成文本行。笔画宽度变换(Stroke Width Transform, SWT)[7]和最大稳定极值区域(Maximally Stable Extremal Region, MSER)[6]是最常用的连通域分析的方法。最近几年，MSER由于尺度旋转不变性、仿射不变性的优势被广泛地应用于文本检测,成为文本检测的主流方法；但是，目前基于MSER的自然场景文本区域检测的方法仍然存在无法提取低对比度图像文本区域的缺陷，主要原因有以下两个方面。

首先，自然场景的图像容易受到光照、外部环境和噪声的影响，MSER抗污迹和抗噪声的能力较弱，从而导致检测出的文本区域出现粘连现象。……