دانلود مقاله ترجمه شده استخراج متن از تصاویر

چکیده

 حاشیه نویسی خودکار تصویر، ساختار بندی تصاویر، شاخص گذاری و بازیابی اطلاعات مبتنی بر محتوی، براساس داده های متنی حاضر در این تصاویر می باشند. استخراج متن از تصاویر کار بسیار دشوار و چالش برانگیزی با توجه به تغییرات در متن مانند اسکریپت، سبک، فونت، اندازه، رنگ، چیدمان و جهت گیری متن؛ و با توجه به فاکتورهای بیرونی مانند کنتراست کم تصویر (متنی) و پس زمینه پیچیده می باشد. با این حال، این مورد با ادغام الگوریتم های پیشنهادی برای هر مرحله استخراج متن از تصاویر با استفاده از کلاس ها و کتابخانه های جاوا، قابل درک است. در ابتدا، مرحله پیش پردازش شامل کاهش درجه خاکستری تصویر، حذف نویز و اختلال مانند خطوط مازاد بر احتیاج، ناپیوستگی و نقاط موجود در تصویر می باشد. پس از آن، مرحله قطعه بندی شامل محلی سازی متن در تصویر و قطعه بندی هر کاراکتر از کل کلمه می باشد. در نهایت، با استفاده از تکنیک تطبیق الگوی شبکه عصبی، شناسایی کاراکترهای قطعه بندی شده و پردازش شده، انجام می شود. نتایج تجربی برای مجموعه ای از تصاویر تأیید می کنند که روش پیشنهادی مؤثر و قوی می باشد.

-1مقدمه

امروزه، کتابخانه های اطلاعاتی که در اصل شامل متن خالص می باشند به طور فزاینده ای توسط اجزای چند رسانه ای مانند تصاویر، فیلم ها و کلیپ های صوتی در حال غنی شدن می باشند. همه آنها نیاز به ابزاری خودکار به شکلی مؤثر در شاخص گذاری و بازیابی اجزای چند رسانه ای دارند. اگر ظهور متن در تصاویر را بتوان به طور خودکار آشکارسازی، قطعه بندی و شناسایی کرد، یک منبع ارزشمند معناشناسی سطح بالا خواهد شد. به عنوان مثال، در پروژه Informedia در دانشگاه کارنگی ملون، ظهور متن در تصاویر و فیلم ها یکی از منابع مهم اطلاعاتی برای ارائه جستجوی های تمام محتوا و کشف کتابخانه دیجیتال ترابایتی اخبار رادیو و تلویزیون و مستنداتشان می باشد [1]. بنابراین، حاشیه نویسی مبتنی بر محتوای تصویر، ساخت و شاخص گذاری تصاویر از اهمیت و توجه زیادی در جهان امروز برخوردار است.

حضور متن در تصاویر را می توان به صورت زیر طبقه بندی کرد: متن ساختگی (همچنین با نام متن عنوان و یا متن فرا نهاده هم در نظر گرفته می شود) و متن صحنه و نمایش (همچنین به عنوان متن گرافیکی نامیده می شود). متن ساختگی بر روی تصویر در مرحله بعدی (به عنوان مثال، ظاهر شدن سرخط خبرها در تلویزیون، و غیره) به صورت ساختگی پوشانده می شود، در حالی که، متن صحنه و نمایش به طور طبیعی در تصویر وجود دارد (به عنوان مثال نام پیراهن ورزشی یک بازیکن در طول یک مسابقه کریکت، و غیره ) [2]. متن نمایشی، با توجه به تراز دلخواه اریبی و یا متفاوت از متن، نور، پس زمینه و اعوجاج پیچیده، برای استخراج مشکل تر می باشد. این مقاله در متن ساختگی و استخراجش از تصاویر تمرکز دارد…