贾小云， 潘德燃， 赵 晓

(陕西科技大学 电子信息与人工智能学院, 陕西 西安 710021)

0 引言

传统的版面分析与手工校准等方法难以对具有复杂排版或是自然场景中的文本进行定位.如今针对复杂场景进行文本定位的方法，可以分为两类[1]：一类是基于特征的文本定位方法[2,3]，该类方法结合滑动窗口与多种特征，利用机器学习等相关方法将窗口分为文本窗口与非文本窗口；二类是基于连通域分析的方法，以基于MSER[4,5]和SWT[6]为代表的方法.基于连通域分析的方法依赖于所采用的连通域提取算法，该算法需要能够对字符连通域的提取拥有高召回率，此外设计一个合理的连通域分析器也是该方法的关键.而基于机器学习的方法则需要手工设计多种特征.单一的特征难以应对复杂的场景，而组合多种特征又会增加特征描述的复杂度，同时所准备正负样本的完备性对结果也有着明显的影响.另外使用深度学习的方法则是通过隐藏层组合多种底层特征形成更加抽象的高层特征来检测文本区域.虽然检测结果优于连通域分析以及手工特征，但是其难以利用文本的上下文信息以及其他知识，同时训练模型也依赖于大量的正确样本标注.

基于此，本文提出一种综合 MSER 连通域分析与单一DLBP[7]纹理特征的证件文本定位方法.该方法针对特定的复杂场景充分利用文本的上下文信息并新设计了一种连通域分析器，对不同倾斜方向的文本行……