[论文解读] Text/Graphics Separation for Business Card Images for Mobile Devices

Ayatullah Faruk Mollah, Subhadip Basu+2 more|arXiv (Cornell University)|Apr 6, 2010

Handwritten Text Recognition Techniques参考文献 7被引用 17

一句话总结

本文提出了一种计算效率高的文本/图形分离方法，适用于移动设备拍摄的名片图像。该方法首先利用强度方差进行粗略的背景去除，随后通过基于特征的过滤来区分文本与图形，实现了在 0.75 MP 图像上 98.54% 的准确率，处理时间仅 0.17 秒，内存占用 1.1 MB，运行于普通台式机系统上，证明其适用于移动设备部署。

ABSTRACT

Separation of the text regions from background texture and graphics is an important step of any optical character recognition sytem for the images containg both texts and graphics. In this paper, we have presented a novel text/graphics separation technique for business card images captured with a cell-phone camera. At first, the background is eliminated at a coarse level based on intensity variance. This makes the foreground components distinct from each other. Then the non-text components are removed using various characteristic features of text and graphics. Finally, the text regions are skew corrected and binarized for further processing. Experimenting with business card images of various resolutions, we have found an optimum performance of 98.54% with 0.75 MP images, that takes 0.17 seconds processing time and 1.1 MB peak memory on a moderately powerful computer (DualCore 1.73 GHz Processor, 1 GB RAM, 1 MB L2 Cache). The developed technique is computationally efficient and consumes low memory so as to be applicable on mobile devices.

研究动机与目标

• 解决移动手机摄像头拍摄的名片图像中，从图形和背景纹理中分离文本的挑战。
• 开发一种既准确又高效的方法，适用于计算资源有限的移动设备上的实时处理。
• 通过从复杂、低分辨率图像中的非文本组件中隔离文本区域，提升光学字符识别（OCR）系统的性能。
• 确保在常见于移动拍摄名片的多种图像分辨率和光照条件下均具备鲁棒性。

提出的方法

• 首先利用局部强度方差进行粗略的背景去除，以区分前景成分与背景。
• 通过多种特征（如宽高比、线条宽度和纹理模式）分析前景成分，将其分类为文本或非文本（图形/背景）。
• 基于这些特征的统计分析结果，设定预定义阈值，过滤掉非文本成分。
• 随后利用基于霍夫变换的直线检测对文本区域进行倾斜校正，以提升 OCR 准确率。
• 对最终的文本区域应用自适应阈值化进行二值化处理，以增强对比度并为 OCR 处理做准备。
• 整个处理流程经过优化，实现低内存占用和低处理开销，适用于移动平台部署。

实验结果

研究问题

• RQ1 一种低复杂度的方法能否有效分离移动拍摄名片图像中的文本、图形和背景？
• RQ2 在资源受限条件下，强度方差与基于特征的过滤相结合，哪种组合能实现最优的文本区域检测？
• RQ3 该方法在移动手机摄像头常见的不同图像分辨率下表现如何？
• RQ4 该方法在最小化处理时间和内存使用的同时，能在多大程度上保持高准确率？

主要发现

• 所提出的方法在 0.75 MP 的名片图像上实现了 98.54% 的文本检测准确率。
• 在双核 1.73 GHz 处理器、1 GB 内存的设备上，处理时间仅为 0.17 秒，适合实时移动应用。
• 峰值内存使用量仅为 1.1 MB，符合典型移动设备的资源限制。
• 该方法在多种图像分辨率和常见于移动拍摄场景的光照条件下均表现出稳健性能。