自然场景图像中的文本检测现状研究和展望

刘洁芯，陈虹光，邓成梁

（1.西南交通大学希望学院信息工程系，成都610000；2.成都信息工程大学软件工程学院，成都610000）

0 引言

（1）研究背景与意义

文本作为人类文明的基石，可以有效可靠地超越时空限制传递信息。因此，从自然场景中进行自动文本识别，逐渐成为计算机视觉中重要的研究领域。在自然场景中识别文本，称为场景文本识别（Scene Text Recognition，STR），已成为广泛工业应用中的重要任务。随着科技日新月异的发展，每天都有大批纸质表格、票据、档案等文档图片不断产生。为了使纸质文献资料能更好保存、传播与利用，我们需要将这些品类繁多而大量的纸质文档图片以电子文本文档的形式存储。OCR（Optical Character Recognition）利用光学技术和计算机技术将印刷文本转换为计算机可接受且易于理解的格式，相比人工录入模式，其速度较快，而且对质量较好的文档图像识别率达到了98%以上[1]。但由于实际场景出现的多样文本外观和外界环境的干扰，大多数传统的OCR方法在STR任务上都无法达到良好的效果。

从二十世纪60年代初期起，国内外研究者对基于自然场景图像中的文本检测做了广泛的研究，取得了大量研究成果。传统OCR文本检测识别方法包含图像输入、预处理、字符切割、字符识别、版面恢复、后期处理等步骤，见图1。

图1传统OCR工作流程图

而除了文本检测，其他步骤较为固定[1]。因此，传统OCR方法的研究重点在于如何提升文本检测准确度。

（2）自然场景文本检测的难点

文本的自然场景图像由多样的文本区的和复杂的非文本区组成，如图2所示。……