350 руб
Журнал «Электромагнитные волны и электронные системы» №3 за 2017 г.
Статья в номере:
Решение задачи классификации символов с помощью каскадных классификаторов
Ключевые слова: каскадные классификаторы распознавание символов распознавание образов обнаружение текста
Авторы:
Е.А. Бобылева - аспирант, «Компьютерные системы и сети», Калужский филиал МГТУ им. Н.Э. Баумана E-mail: foxymoon@yandex.ru В.Е. Драч - к.т.н., доцент, кафедра «Конструирование и производство электронной аппаратуры», Калужский филиал МГТУ им. Н.Э. Баумана E-mail: drach@bmstu-kaluga.ru А.В. Родионов - к.т.н., доцент, кафедра «Компьютерные системы и сети», Калужский филиал МГТУ им. Н.Э. Баумана E-mail: andviro@gmail.com И.В. Чухраев - к.т.н., доцент, зав. кафедрой «Компьютерные системы и сети», Калужский филиал МГТУ им. Н.Э. Баумана E-mail: igor.chukhraev@mail.ru
Аннотация:
Описаны методы обнаружения символов и текста с применением каскадных классификаторов. Рассмотрено применение каскадных LBP-классификаторов для обнаружения и классификации печатных и каллиграфических символов японских слоговых азбук в условиях реальной среды. Проведены эксперименты и сделан вывод о целесообразности применения каскадных классификаторов для решения поставленной задачи.
Страницы: 61-66
Список источников

 

  1. Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // Computer Society Conference on Computer Vision and Pattern Recognition. 2001. V. 1. P. 511−518.
  2. Liao S., Zhu X., Lei Z., Zhang L., Li S. Learning multi-scale block local binary patterns for face recognition // Advances in Biometrics. 2007. V. 4642. P. 828−837.
  3. Churchill M., Fedor A. Histogram of Oriented Gradients for Detection of Multiple Scene Properties. 2015.  URL = http://web.stanford.edu/class/cs231a/prev_projects/CS231AHOGFinalReport.pdf (дата обращения: 17.02.2017).
  4. Chen X, Yuille A. Detecting and reading text in natural scenes // Computer Vision and Pattern Recognition. 2004. V. 2. P. 366−373.
  5. Jiang R., Qi F., Xu L., Wu G. Detecting and Segmenting Text from Natural Scenes with 2‑Stage Classification // Intelligent Systems Design and Applications. 2006. V. 1. P. 819−824.
  6. Escalera S., Baró X., Vitrià J., Radeva P. Text Detection in Urban Scenes // Artificial Intelligence Research and Development. 2009. P. 35−44.
  7. Opitz M. Text Detection and Recognition in Natural Scene Images: master thesis // Computer Vision Lab Institute of Computer Aided Automation Vienna University of Technology. 2013.
  8. Tian S., Pan Y., Huang C., Lu S., Yu K., Tan C.L. Text Flow: A Unified Text Detection System in Natural Scene Images // International Conference on Computer Vision. 2015. P. 4651−4659.
  9. Zhu S., Zanibbi R. A Text Detection System for Natural Scenes With Convolutional Feature Learning and Cascaded Classification // Computer Vision and Pattern Recognition. 2016. P. 625−632.
  10. Yin X.C., Yin X., Huang K., Hao H.W. Robust Text Detection in Natural Scene Images // Transactions on Pattern Analysis and Machine Intelligence. 2014. V. 36. № 5. P. 970−983.
  11. Das S., Banerjee S. An Algorithm for Japanese Character Recognition // International Journal of Image, Graphics and Signal Processing. 2015. V. 7. № 1. P. 9−15.
  12. Tsai C. Recognizing Handwritten Japanese Characters Using Deep Convolutional Neural Networks. 2016. URL = http://cs231n.stanford.edu/reports2016/262_Report.pdf (дата обращения: 17.02.2017).
  13. Rødland T. Classifying Glyphs. Comparing Evolution and Learning: master thesis // Norwegian University of Science and Technology. 2011.
  14. Ясинский Ф.Н., Мочалов А.С. Распознавание большого числа образов при помощи нейронных сетей с использованием многопроцессорных систем // Вестник Ивановского государственного энергетического университета. 2011. № 2. С. 85−87.
  15. Белевский В.А., Максимов А.В. Методы инвариантного распознавания контрастных черно-белых изображений символов русского алфавита // Вопросы радиоэлектроники. Сер. ЭВТ. 2010. Т. 3. № 4. С. 5−24.
  16. Awazu T., Fukuo M., Takata M., Joe K. A Multi-fonts Kanji Character Recognition Method for Early-modern Japanese Printed Books with Ruby Characters // Pattern Recognition Applications and Methods. 2014. P. 637−645.
  17. Fukuo M., Enomoto Y., Yoshii N., Takata M., Kimesawa T., Joe K. Evaluation of the Svm Based Multi-fonts Kanji Character Recognition Method for Early-modern Japanese Printed Books // Parallel and Distributed Processing Techniques and Applications. 2011. V. 2. P. 727−732.
  18. Guennouni S., Ahaitouf A., Mansouri A. A Comparative Study of Multiple Object Detection Using Haar-Like Feature Selection and Local Binary Patterns in Several Platforms // Modelling and Simulation in Engineering. 2015. V. 2015.
  19. Булатников Е.В., Гоева А.А. Сравнение библиотек компьютерного зрения для применения в приложении, использующем технологию распознавания плоских изображений // Вестник МГУП имени Ивана Федорова. 2015. № 6. С. 85−91.