[论文解读] Text Region Extraction from 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 6被引用 6

一句话总结

本文提出了一种轻量级、基于规则的文本区域提取方法，用于在移动设备上从名片图像中提取文本，该方法结合粗略背景去除、连通域过滤和自适应二值化技术。在1024×768分辨率图像上，该方法在1.1 MB内存占用和0.16秒处理时间下实现了98.54%的准确率，专为移动计算资源约束进行优化。

ABSTRACT

Designing a Business Card Reader (BCR) for mobile devices is a challenge to the researchers because of huge deformation in acquired images, multiplicity in nature of the business cards and most importantly the computational constraints of the mobile devices. This paper presents a text extraction method designed in our work towards developing a BCR for mobile devices. At first, the background of a camera captured image is eliminated at a coarse level. Then, various rule based techniques are applied on the Connected Components (CC) to filter out the noises and picture regions. The CCs identified as text are then binarized using an adaptive but light-weight binarization technique. Experiments show that the text extraction accuracy is around 98% for a wide range of resolutions with varying computation time and memory requirements. The optimum performance is achieved for the images of resolution 1024x768 pixels with text extraction accuracy of 98.54% and, space and time requirements as 1.1 MB and 0.16 seconds respectively.

研究动机与目标

• 解决在计算资源受限条件下，移动名片识别器中文本区域提取的挑战。
• 处理相机拍摄图像中常见的图像形变和多样的名片布局。
• 设计一种在高准确率与低内存和处理时间之间实现平衡的方法，以适应移动设备部署。
• 通过基于规则的连通域分析，过滤掉噪声和非文本区域。
• 针对实际移动图像分辨率进行优化，特别是1024×768像素。

提出的方法

• 首先应用粗略背景去除，以从图像中分离出主要名片区域。
• 通过基于规则的技术提取并过滤连通域（CCs），以消除噪声和非文本区域。
• 根据几何和形态学规则（如宽高比和尺寸阈值）选择类似文本的连通域。
• 对选定的文本区域应用自适应但轻量级的二值化技术，以增强对比度。
• 通过最小化内存占用和执行时间，对移动平台进行性能优化。
• 在不同图像分辨率下评估性能，重点关注1024×768作为最优目标分辨率。

实验结果

研究问题

• RQ1 尽管存在图像形变和布局差异，如何从移动设备拍摄的名片图像中准确提取文本区域？
• RQ2 在连通域分析中，哪些基于规则的标准能有效区分文本组件与噪声和图像区域？
• RQ3 如何使二值化过程既具备自适应性又保持轻量化，以适应移动设备的资源限制？
• RQ4 在移动文本提取中，何种图像分辨率能最好地平衡准确率、内存使用和处理时间？
• RQ5 在真实移动部署环境下，轻量级基于规则的方法在多大程度上能实现高准确率？

主要发现

• 该方法在1024×768像素分辨率图像上实现了98.54%的文本提取准确率。
• 系统仅需1.1 MB内存，在峰值性能下图像处理时间仅为0.16秒。
• 在1024×768分辨率下准确率最高，而在更低或更高的分辨率下性能略有下降。
• 基于规则的连通域过滤方法能以极低计算成本有效去除噪声和非文本区域。
• 自适应二值化技术在不增加处理开销的前提下增强了文本的可见性。
• 该方法在广泛范围的图像分辨率下表现出鲁棒性，同时保持高准确率和低资源消耗。