[论文解读] Binarizing Business Card Images for Mobile Devices

Ayatullah Faruk Mollah, Subhadip Basu+4 more|arXiv (Cornell University)|Mar 2, 2010

Handwritten Text Recognition Techniques参考文献 7被引用 4

一句话总结

本文提出了一种针对移动设备的快速、自适应二值化方法，通过将摄像头拍摄的名片图像划分为多个块，利用灰度方差对背景区域进行分类，去除非文本区域，并对文本区域进行倾斜校正和二值化处理。该方法在计算资源受限的移动平台中实现了高效、实时的性能，同时在多种类型的名片内容上保持了高精度。

ABSTRACT

Business card images are of multiple natures as these often contain graphics, pictures and texts of various fonts and sizes both in background and foreground. So, the conventional binarization techniques designed for document images can not be directly applied on mobile devices. In this paper, we have presented a fast binarization technique for camera captured business card images. A card image is split into small blocks. Some of these blocks are classified as part of the background based on intensity variance. Then the non-text regions are eliminated and the text ones are skew corrected and binarized using a simple yet adaptive technique. Experiment shows that the technique is fast, efficient and applicable for the mobile devices.

研究动机与目标

• 解决由于文本、图形和光照条件多变而造成的在移动设备上对摄像头拍摄的名片图像进行二值化的挑战。
• 克服传统文档二值化技术在非均匀、混合内容名片图像上失效的局限性。
• 开发一种轻量级、快速的算法，适用于计算资源有限的移动平台部署。
• 通过在去除非文本组件后仅对文本区域进行选择性二值化，提升文本提取的准确性。

提出的方法

• 将输入的名片图像划分为小块且不重叠的区域，以实现局部化处理。
• 利用灰度方差识别背景区域——灰度方差较低的块被分类为背景。
• 基于高频分量的缺失过滤掉非文本区域，仅保留潜在的文本块。
• 对文本区域进行倾斜校正，以使字符水平对齐后再进行二值化。
• 对每个文本块应用自适应阈值技术，生成二值图像。
• 最终输出为针对后续OCR和信息提取任务优化的二值化图像。

实验结果

研究问题

• RQ1 基于块的方法是否能有效区分混合内容名片图像中的背景与文本区域？
• RQ2 如何利用灰度方差在移动设备上实时高效地分类背景块？
• RQ3 倾斜校正与自适应二值化对移动设备拍摄名片的OCR准确率有何影响？
• RQ4 轻量级算法在多样的名片布局和光照条件下，能在多大程度上保持性能？

主要发现

• 所提方法由于采用基于块的局部计算，实现了适合移动设备实时应用的高速处理。
• 基于灰度方差的背景检测能有效识别均匀区域，而无需复杂的特征提取。
• 去除非文本区域可减少噪声，并提升后续步骤的二值化质量。
• 倾斜校正显著提高了最终二值化输出的可读性和准确性。
• 自适应二值化步骤能有效处理卡片不同区域间光照和对比度的变化。
• 整体方法在多样的名片布局、字体和图像质量下均表现出强健性。