复杂背景下维吾尔文字符的分割算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 163-165.

复杂背景下维吾尔文字符的分割算法

哈力旦•A¹，伊力哈木•亚尔买买提¹，库尔班•买提木沙²

1.新疆大学电气工程学院，乌鲁木齐 830008
2.新疆大学艺术设计学院，乌鲁木齐 830008

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 哈力旦•A

Segmentation algorithm of Uigur characters under complex background

Halidan•A¹，Yilihamu•yaermaimaiti¹，Kuerban•maitimusha²

1.College of Electric Engineering，Xinjiang University，Urumqi 830008，China
2.College of Artistic Design，Xinjiang University，Urumqi 830008，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: Halidan•A

摘要/Abstract

摘要： 在视频或图像中包含丰富的文字信息，这些文字信息与视频或图像的内容密切相关，因此可以作为视频片断或者图像的内容标识和索引。以视频维吾尔文为例，首先用Canny算子将彩色图像转换为灰度化的边缘图像，其次对图像中的文字进行定位，再对图像进行边缘点彩色分割，然后进行文字图像行区域和列区域的检测，最后基于候选文本区的特征从不同复杂度的彩色图像中提取文本信息，实验结果表明了算法的有效性。

关键词: 图像, 视频, 文字检测, 提取

Abstract: There are plenty of character information in video or images，which is closely related to the content of video clips and images.So，the character information is often served as the annotation and indexing clues of the corresponding video clips or images.For the Uigur news videos，uses Canny operator the colour image to be shifted for gradation image first，carries out allocation on characters in image secondly，colour carves up the border being in progress again to the image，the image carrying out characters does area and enumerates the area detecting and then，the colour never with complicated degree extracts version information finally owing to waiting for the characteristic choosing version area in the image.There experimental results illustrate the effectiveness of the proposed algorithm.

Key words: images, video, text detection, text extraction

哈力旦•A¹，伊力哈木•亚尔买买提¹，库尔班•买提木沙². 复杂背景下维吾尔文字符的分割算法[J]. 计算机工程与应用, 2007, 43(20): 163-165.

Halidan•A¹，Yilihamu•yaermaimaiti¹，Kuerban•maitimusha². Segmentation algorithm of Uigur characters under complex background[J]. Computer Engineering and Applications, 2007, 43(20): 163-165.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[4]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[5]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[6]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[7]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[8]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[9]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[10]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[11]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[12]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[13]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[14]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[15]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.