[论文解读] Text/Graphics Separation and Skew Correction of Text Regions of Business Card Images for Mobile Devices

Ayatullah Faruk Mollah, Subhadip Basu+1 more|arXiv (Cornell University)|Feb 21, 2010

Handwritten Text Recognition Techniques参考文献 9被引用 6

一句话总结

本文提出了一种计算效率高的方法，用于分离移动设备拍摄的名片图像中的文字与图形，并校正倾斜。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方法区分文字与非文字区域，在0.75 MP图像上实现了98.25%的召回率，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，表明其适合在移动设备上部署。

ABSTRACT

Separation of the text regions from background texture and graphics is an important step of any optical character recognition system for the images containing both texts and graphics. In this paper, we have presented a novel text/graphics separation technique and a method for skew correction of text regions extracted from 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 for further processing. Experimenting with business card images of various resolutions, we have found an optimum performance of 98.25% (recall) 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

• 解决在低分辨率移动摄像头拍摄的名片图像中，准确分离文字区域与背景图形的挑战。
• 开发一种计算效率高且内存占用低的方法，以适用于处理能力有限的移动设备。
• 通过校正提取的文字区域的倾斜角度，提高后续光学字符识别（OCR）的准确性。
• 确保在典型移动设备拍摄的名片图像所呈现的不同分辨率和画质水平下，均具备鲁棒性能。

提出的方法

• 首先利用局部强度方差进行粗略的背景抑制，以增强前景与背景成分之间的对比度。
• 基于长宽比、线条宽度和连通性等几何与结构特征，将前景成分分割为潜在的文字区域与非文字区域。
• 通过结合形状描述符与图形特有的空间分布模式，过滤掉非文字成分。
• 利用沿水平和垂直轴的投影轮廓分析，对检测到的文字区域进行倾斜角度分析。
• 通过旋转检测到的文字区域，使其与基线对齐，从而应用倾斜校正。
• 整个处理流程经过优化，计算负载低且内存消耗最小，确保在移动平台上的可行性。

实验结果

研究问题

• RQ1 如何在移动设备拍摄的低分辨率名片图像中有效分离文字与图形？
• RQ2 哪些图像特征组合能够可靠地区分复杂背景下的文字与非文字成分？
• RQ3 倾斜校正能在多大程度上提升移动设备拍摄的名片图像的OCR准确性？
• RQ4 所提出方法的计算与内存开销如何？是否能够高效地部署在移动硬件上？

主要发现

• 该方法在0.75 MP分辨率的名片图像上实现了98.25%的召回率，表明文字区域检测具有高准确性。
• 在双核1.73 GHz处理器与1 GB RAM的系统上，处理时间仅为0.17秒，表明具备实时处理潜力。
• 峰值内存使用量仅为1.1 MB，适合资源受限的移动环境。
• 该技术能有效处理不同分辨率和背景复杂度的图像，保持高度鲁棒性。
• 基于强度方差的分割与基于特征的过滤相结合，可在无需复杂训练或学习阶段的情况下实现准确的文字提取。