基于连通区域矩阵的文本图像识别方法

上 的差 异 ， 本 图像灰 度单 一且 分 布 比较 集 中 ， 非文 本 图像 灰 度层 次 丰 富变 化 平 缓 ， 用 图像 信 息 度量 文 而 利 来 衡量 这种 差异 ， 从而 实 现文 本 图像 的识 别 。文献 ［ ］ ２ 利用 图像 的纹 理 特 征 ， 通过 计 算 图像 的 共生 灰 度 矩阵 ， 然后计 算 灰度共 生 矩 阵不 同区域 概率 之 和 ， 过与 设定 阈值 比较 来 判 断 图像 类 型 ， 通 阈值 是 依 据 经 验 来 设定 的。文献 ［ ］ ３ 等利 用不 同 图像 二值 化 前 后 的差 异 大 小 ， 过计 算 图像 广义 直 方 图在二 值 化 前 后 交 通
郭晓 宇， 西建 ， 平 周 林
（ 息 工 程 大 学 信 息 工 程 学 院 ， 南 郑 州 ４ ００ ） 信 河 ５ ０ ２
摘要 ： 何从 海 量 的 图像 里将 文本 图像 挑选 出来是 网络 图像 处 理 领 域 的研 究热 点 。为 了达 到 如 更好 的文本 图像 识别 效果 ， 章从 文本 图像 的 文字特 征 出发 ， 出 了一种基 于连 通 区域 矩 阵的 文 提 文本 图像 识 别方 法。 首先 对 图像 进 行 二值化 ， 算 二值 化后 图像 的连通 区域矩 阵 ， 计 然后根 据连 通 区域 矩 阵提 取 出图像 的 ８维 特 征值 ， 后使 用 Ｂ 最 Ｐ神 经 网络 来 对 图像 进 行 训 练 和 识别 。 实 验证 实 ， 方法在 保证 较 高识别 率 的 同 时， 显 降低 了误 识 率。 该 明 关键 词 ： 文本 图像 识别 ； 图像分 类 ； 通 区域 矩 阵 ； Ｐ神 经 网络 连 Ｂ
叉 熵 的大小 来 判断 图像 变化 的程 度 ， 而 实现识 别 。文献 ［ ］ 从 ４ 对基 于灰 度 共 生矩 阵 的方 法 进行 了改 进 ，
利 用 图像 的灰 度共 生矩 阵和矩 形 框直方 图联合识 别 的方法 进 行识 别 ， 取 了 图像 的 １ 提 ５维特 征 ， 原 方 在
收 稿 日期 ：０ １０ － 修 回 日期 ：０ ２ ４ ２ ２ １ －９ ３ ０： ２ １ － ．０ ０
பைடு நூலகம்
作者简介 ： 郭晓宇 （９４一 ， ， １８ ）男 硕士生 ， 主要研究方 向为图像信 息处理 、 文本 图像 分析 与处理 、 隐写分析 。
３０ ３
信 息 工 程 大 学 学 报
法 的基 础上 降低 了误 识 率 。文献 ［ ］ 用文 字笔 画主 要分 布在 竖 直 、 平 和 倾斜 方 向 ， 用不 对 称 滤波 的 ５利 水 采 方 法将 这几 个 方 向的黑 色像 素过 滤掉 ， 据滤波 后 黑像 素 的 比例 进行 文 本 图像 的识 别 。此外 还有 基 于 根 小 波 变换 和基 于联 合 的方法 。这 些 方 法一 般 是建 立 在文 本 图像 是 黑 色 字体 白 色背 景 这 一 基 础 上 ， 并 且认 为 非文 本 图像 灰 度层 次 比较丰 富 。 当文 本 图像背 景并 不单 一或 者具 有一 定灰 度值 以及 文字 颜 色色 彩 丰 富时 ， 出现漏 报 ； 当图像 前景颜 色 单一 、 景简单 而 内容却 不 是文本 图像 时 ， 产 生 虚报 。以 图 １ 会 而 背 会 （ ） 例 ， 灰度 层次 单一 ， 彩为 黑 白色 ； 图 １ ｂ 包 含 的文字 及 图像 是 彩 色 的 ， 献 ［ ］ 文献 ［ ］ ａ为 其 色 而 （） 文 １及 ３ 的
方法 对这 两类 图像 均会 错误 分类 。另外这 些 方法有 些 还需 要 人 工设 置 一些 经 验 参数 ， 往往 限制 了算 法 的
适 用 性 。
Ｐｌａ ｅ １ Ｏ ｅｓ． ０
“｝
呻 ｔ ｓ… ｈｉ
白 ｆｙ０ …
ｕ
Ｈ
ｍ “ ｍ ｈ ０ ｔ ０ Ｅ “ 憎 ｒ １ ｈ
经过 扫描 、 照等方 式 转化 而来 的 ， 类 图像 通常 被定 义为 文本 图像 。文本 图像 所携 带 的文字 包含 较 大 的 拍 这
信息 量 ， 有重 要 的应用 价值 。但文 本 图像通 常 和大量 的非文 本 图像混 杂在 一起 ， 常采 用人 工 的方法 将 具 通
文本 图像 挑选 出来 ， 这种 方法 不 仅费 时 费力 ， 而且 由于 理解 不 同容易 出现错误 分类 。因此 在 图像 数 量 巨大
所示 。令集 合 是 灰度 值 子集 ， 如果 像素 ｑ位 于 Ｎ （ ） 中 ， 两 Ｐ 集 且
ｆ
，
＼ ｆ ／
Ｐ
个像 素 Ｐ和 ｑ灰度值 均 在 集合 中 ， Ｐ和 ｑ是 ４邻 接 的 。同 理 则 还存 在 ８邻 接和 ｍ 邻接 。
Ｊ
（） ａ
／ Ｊ ＼
中 图分类 号 ： Ｐ ９ ． Ｔ ３ １１ 文 献标 识码 ： Ａ 文章 编号 ：６ １ ０ ７ （ ０ ２ ０ ． ３ ９ ０ １７ ． ６ ３ ２ １ ）３ ０ ２． ５
Ｄ ｏ ｕｍ ｅ ｔ Ｉ ａ ｅ Ｒｅ ｏ ｎｉｉ ｎ Ｂａ ｅ ｎ Ｃｏ ｅ ｔ ｄ Ｒｅ ｉ ｎ Ｍ ａ ｒｃ ｓ ｃ ｎ ｍ ｇ ｃ ｇ ｔｏ ｓ ｄ ｏ ｎｎ ｃ ｅ ｇ ｏ ｔ ｉｅ
的情 况下 ， 需要 利用 计算 机 自动 地将 文本 图像从 非 文本 图像 中识 别 出来 。 目前 的研究 主 要集 中在 利用 文本 图像 与非 文 本 图像 在 颜 色 与纹 理 上 的差 异 来 进 行识 别 ， 多文 献 提 许
出 了有效 的分类 方 法 。文献 ［ ］ 出了基 于信 息 度 量 的文 本 图像 分类 方 法 ］这 种 方 法 利用 图像 在 灰 度 １提 ，
Ａ ｂ ｔ ａ ｔ Ｈｏ ｔ ｃ ｕ ｏ ｕ ｅ ｔｉ ｇ ｓｆｏ ｍ ｏ ｎ ａ ｎ ｆｉ ａ ｅ ａ ｅ ｏ ｏ ｐ ｔｉ ｅ － ｓ ｒ ｃ ： ｗ ｏｐｉｋ ｏ ｔｄ ｃ ｍ ｎ ｍａ ｅ ｒ ｍ ｕ ｔ ｉ ｓｏ ｍ ｇ ｓ ｈ ｓ ｂ ｃ ｍｅ ａ ｈ ｔｓ ｏ ｎ ｎ ｔ ｗｏ ｋ ｉ ｇ ｒ ｃ ｓ ｉｇ．Ｔｏ ｒ ｃ ｇ ｉｅｄｏ ｕ ｅ ｔｉ ｇ ｓｍ ｏ ｅ ｅ ｃｅ ｔ ｒ ｍａ ｅｐ ｏ ｅ ｓｎ ｅ ｏ ｎ ｚ ｃ ｍ ｎ ｍａ ｅ ｒ ｆ ｉ ｎｌ ｉ ｙ，ｂｙ ａ ａｙ ｉ ｇ ｔ ｅｔ ｘ ｈ ｒ ｃ ｎ ｌｚｎ ｈ ｅ ｔｃ ａ ａ － ｔ ｒｓｉｓ ｏ ｏ ｕ ｅ ｔｉ ｇ ｓ，ａ ｎ ｗ ｅｈ ｄ ｂ ｓ ｄ ｏ ｏ ｎ ｃｅ ｅ ｉ ｎ ｍａｒｘ ｉ ｒ ｐ ｓ ｄ Ｆｉｓｌ ｅ ｉｔ ｆｄ ｃ ｍ ｎ ｍａ ｅ ｃ ｅ ｍ ｔ ｏ ａ ｅ ｎ ｃ ｎ ｅ ｔ ｄ ｒ ｇｏ ｔｉ ｓ ｐ ｏ ｏ ｅ ． ｒ ｔ ｙ， ｔ ｅ ｃ ｎ ｅ ｔ ｄ ｒ ｇｏ ｔｉ ｆｔ ｅ ｂ ｎ ｒ ｍ ａ ｅ ｉ ｂ ａｎ ｄ ｂ ｍａ ｅ ｔ ｒ ｓ ｏ ｄ ｎ ． Ｓｅ ｏ ｄ ｙ，ｅｇ ｔ ｈ ｏ ｎ ｃｅ ｅ ｉ ｎ ｍａｒｘ ｏ ｈ ｉ ａ ｙ ｉ ｇ ｓｏ ｔｉ ｅ ｙ ｉ ｇ ｈ ｅ ｈ ｌ ｉ ｇ ｃｎ ｌ ｉｈ— ｄ ｍ ｅ ｓｏ ａ ｈ ｒ ｃ ｅ ｉｔｃ ｒ ｘ ｒ ｃｅ ｒ ｍ ｈ ｏ ｎ ｃｅ ｅ ｉｎ ｒ ｃ ａ ｇ ｅｆａ ｅ ｍａ ｒｘ ｏ ｈ ｍ — ｉ ｎ ｉ ｎ ｌｃ ａ ａ ｔｒｓｉ ｓａ ｅ ｅ ｔａ ｔ ｄ ｆｏ ｔｅ ｃ ｎ ｅ ｔ ｄ ｒｇ ｏ ｅ ｔｎ ｌ ｒｍ ｔｉ ｆｔ ｅ ｉ ａ ｅ． Ｆｉ ｌｙ， ａ ＢＰ ａ ｔｆｃａ ｎ ｕ ａ ｎ ｔ ｒ ｉ ｅ ｏ ｅ ｏ ｎ ｚ ｏ ｕ ｎ ｍａ ｅ ． Ｅｘ ｅ ｉ ｅ ｔ ｇ ｎａｌ ｒｉ ｉ ｌ ｅ ｒ ｌ ｅｗｏｋ ｓ ｕｓ ｄ ｔ ｒ ｃ ｇ ｉｅ ｄ ｃ ｍｅ ｔ ｉ ｇ ｓ ｉ ｐ ｒｍ ｎ ｓ ｄ ｍｏ ｓｒ ｔ ｈ ｓｍ ｅｈ ｄ ｌａ ｓ ｔ ｅ ｕｃ ｄ ｒ ｃ ｇ ｉｉ ｎ ｅｒ ｒ． ｅ ｎ ｔａ ｅ ｔ ｉ ｔ ｏ ｅ ｄ ｏ ｒ ｄ ｅ ｅ ｏ ｎ ｔｏ ｒｏ ｓ Ｋｅ ｙ ｗｏｒ ｄｓ： ｃ ｍｅ ｔｉ ａ ｅ ｉ ｅ ｉ ｃ ｔｏ ｄｏ ｕ ｎ ｍ ｇ ｄ ｎｔ ａ ｉｎ；ｉ ｇ ｌ ｓｉｉａ ｉｎ；ｃ ｎ ｃ ｅ ｅ ｉ ｎ ｍ ａｒｘ；ＢＰ ａ ｔ － ｉ ｆ ｍａ ｅ ｃａ ｓｆｃ ｔｏ ｏ ｎｅ ｔｄ ｒ ｇｏ ｔｉ ｒｉ ｉ ｆ
ｒ ｂ、
两个 像 素之 间 的通 路 （ 曲线 ） 满 足 一 定 邻 接 性 将 两个 像 或 是
素连 接 起来 的特 定 的像 素序 列 ， 照不 同 的邻 接 类 型可 以定 义 ４ 按 通 路 、 路 以及 ｍ通 路 。 ８通
图 ２ 像 素 邻 域 示 意 图
令 Ｓ代 表一 幅图像 中像 素 的子集 ， 如果 在 Ｊ ｓ中全部 像素 之 间存在 一个 通路 ， 可 以说 Ｐ和 ｑ Ｓ中是 则 在 连 通 的 。对 于 ｓ中的任 何像 素 Ｐ， Ｓ中连通 到该 像素 的像 素 集 叫做 ｓ的连通 分 量 ， 如果 ｓ仅 有 一 个 连 通 分
（ 灰度层 次 单一 的非文 本 图像 ａ ）
（） ｂ灰度 层次 丰富 的文本 图像
图 １ 易 误 识 的 图 像
针 对传 统 方法 的不 足 ， 虑 到文本 图像 包含 的一 定 数量 的文字 是 文本 图像 与 非文 本 图像 最本 质上 的 考 区别 ， 本文 提 出 了一 种基 于 连通 区域矩 阵 的文 本 图像 识 别 方法 。文本 图像 中包 含 的文 字 ， 然笔 画 、 状 虽 形 不尽相同， 但其 长度 、 度具 有一 定 的一致 性 ， 宽 另外 文本 图像 的连 通 区域 主要 是 一 个个 字符 或 者 是 字 符 的
第１ ３卷 第 ３期 ２１ ０ ２年 ６月
ＤＯＩ １ ． ９ ９ ｊ ｉｓ ． ６ １ ０ ７ ． ０ ２ ０ ． １ ： ０ ３ ６ ／ ．ｓｎ １ ７ － ６ ３ ２ １ ． ３ ０ ５
Ｖｏ ． ３ ＮＯ ３ １１ ．
Ｊ ｎ ２ ｌ ｕ ．０２
基 于 连 通 区域 矩 阵 的文 本 图像 识 别 方 法
ｃ ａ ｅ ａ ｅｗｏ ｋ ｉｌｎ ｕｒ】ｎ ｔ ｒ
０ 引 言
随着 多媒 体技 术 和互联 网技术 的快 速发 展 ， 数字 图像 的数 量 以惊人 的速度 增长 ， 各种 类 型及 内容 的 图 像 随处可 见 。在这 些 图像 中有 一类是 以文字 、 格等 为主 要 内容 的 图像 ， 些 图像是 记 录在纸 张 上 的文 字 表 这
Ｇ ａ —ｕ，ＰＮＧ Ｘｉｉｎ，Ｚ ＵＯ Ｘｉｏｙ Ｉ －ａ ｊ ＨＯＵ Ｌｎ ｉ
（ ｎｔ ｕ ｆ ｎｏｍ ｔ ｎＥ ｇｎ ｅｉ ， ｆｒ ａ ｏ ｎ ｉｅ ｒ ｇ Ｕ ｉ ｒ ｔ ，ｈ ｎ ｚ ｏ ５ ０ ２ Ｃ ｉａ Ｉｓ ｔｔ ｏ Ｉｆｒ ａｉ ｎ ｉｅ ｒ ｇ Ｉ ｏｍ ｔ ｎＥ ｇ ｅ ｎ ｎｖ ｓ ｙ Ｚ ｅ ｇｈ ｕ４ ０ ０ ， ｈｎ ） ｉ ｅ ｏ ｎ ｎ ｉ ｎ ｉ ｅｉ
一
部 分 ， 些连 通 区域 大小 也有一 定 的相 似性 ， 这 而非 文本 图像 则不 具有 这样 的特 征 。提取 二 者在 这一 特征
上 的 差异 可 以实现 对文 本 图像 的识别 。
１ 连 通 区 域 概 念
像 素 Ｐ有 ４个水平 和垂直 的相 邻像 素 ， 这个像 素 集称 为 Ｐ的 ４ 邻域 ， Ｎ （ ） 用 ４ Ｐ 表示 ， 图 ２ ａ 所 示 。像 素 Ｐ的 ４个 对 角 邻像 素 如 （） 与 ４个邻 域 点一 起被 称为 Ｐ的 ８邻 域 ， Ｎ Ｐ） 示 ， 图 ２ ｂ 用 （ 表 如 （）