基于连通域卷积神网络文字检测识别模型.pdfVIP

基于连通域和卷积神经网络的文字检测识别模型

：随着网络越来越发达，网上购物越来越受到消费者的青睐，人们对于网上购

物的需求变得越来越高，这给平台带来了很大的发展机遇，同时，也推动了的平台的

崛起，引起商家间激烈的竞争。在这种平台竞争激烈的背景下，商家了解消费者的心声显

得十分重要，在消费者无法接触商品实物的情况下，平台要提供有价值的商品信息，因此，对

商品信息数据进行内在信息的数据挖掘分析非常重要。而且，得到这些信息将有助于电子商务

企业更好地做出商品推荐、和信息监督。

针对问题一，首先，使用Matlab对图像进行灰度化、均值偏移滤波，对图像进行降维并滤除图

像中部分较弱的边缘信息；接着，使用4个方向的Sobel算子进行边缘检测；其次，通过连通元分

析，剔除部分不符合文字块特征的连通域(连通域过长或过高，过小或过大等)；再有，通过图像形态

学处理并查找连通域定位文本区域；最后，对文本区域使用投影法分割出字符。

针对问题二，首先对训练集中的1000张商品及对应的box数据进行文字信息提取；接

着，对进行归一化，灰度处理，二值化等操作，提升其可建模性；其次，将处理好的文字制

作成向量，通过卷积神经网络训练自建词库进行文字识别；最后，使用训练好的卷积神经网络模型

自动识别测试集中的文字。

本文的最后，对两个问题使用的模型进行评测，显示基于连通域的文本区域检测面对复杂背景

环境时检测效果不明显。卷积神经网络模型得到的效果良好，对的，变形和拉伸都具有较

强的鲁棒性，缺点是随着数据量的增大，训练的时间呈现几何倍数增长。

：均值偏移滤波；边缘检测；连通元分析；数学形态学；投影法；卷积神经网络

Textdetectionandrecognitionmodelconnecteddomain

convolutionneuralnetwork

:Withthenetworkofscienceandtechnologymoreandmoredeveloped,moreandmoreonline

shoppingbyconsumers,thedemandforonlineshoppingisbecomingincreasinglyhigh,whichgives

electronicbusinessplatformhasbroughtgreatopportunitiesfordevelopment,atthesametime,also

contributedtotheriseofmoreelectronicbusinessplatform,causingfiercecompetitionamongbusinesses.In

thishighlycompetitivebusinessplatformbackg