Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2015 | OriginalPaper | Buchkapitel

Fast and Accurate Text Detection in Natural Scene Images

verfasst von : Chengqiu Xiao, Lixin Ji, Chao Gao, Shaomei Li

Erschienen in: Intelligence Science and Big Data Engineering. Image and Video Data Engineering

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Repeating component filtering is problematic for the accuracy and speed of scene text detection. This paper proposes a fast and accurate method for detecting scene text. A novel MSER tree pruning algorithm is proposed to extract unique Maximally Stable Extremal Regions (MSERs) as character candidates. Two cues specially designed for capturing the intrinsic features of characters are integrated by a Bayesian classifier. Character candidates are grouped into text candidates by some characteristics between words and then they are verified with some efficient rules in a crossing line. Experimental results on the ICDAR 2011 Robust Reading Competition dataset demonstrate that the performance of our much simpler method is slightly lower than the state-of-the-art performance, however, the processing speed of this algorithm is at least four times faster.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Orthogonal Procrustes Problem Based Regression with Application to Face Recognition with Pose Variations
Literatur
1.
Lee, J.-J., Lee, P.-H., Lee, S.-W., Yuille, A.L., Koch, C.: Adaboost for text detection in natural scene. In: Proceedings of the IEEE International Conference on Document Analysis and Recognition, pp. 429–434 (2011)
2.
Chen, X., Yuille, A.L.: Detecting and reading text in natural scenes. In: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, vol. 2, pp. 366–373 (2004)
3.
Epshtein, B., Ofek, E., Wexler, Y.: Detecting text in natural scenes with stroke width transform. In: CVPR, pp. 2963–2970 (2010)
4.
Li, Y., Shen, C., Jia, W., van den Hengel, A.: Leveraging surrounding context for scene text detection. In: Proceedings of IEEE International Conference on Image Processing, pp. 2264–2268 (2013)
5.
Li, Y., Lu, H.: Scene text detection via stroke width. In: Proceedings of IEEE International Conference on Pattern Recognition, pp. 681–684 (2012)
6.
Pan, Y.-F., Hou, X., Liu, C.-L.: A hybrid approach to detect and localize texts in natural scene images. IEEE Trans. Image Process. 20, 800–813 (2011)MathSciNetCrossRef
7.
Neumann, L., Matas, J.: A method for text localization and recognition in real-world images. In: Kimmel, R., Klette, R., Sugimoto, A. (eds.) ACCV 2010, Part III. LNCS, vol. 6494, pp. 770–783. Springer, Heidelberg (2011) CrossRef
8.
Neumann, L., Matas, J.: Real-time scene text localization and recognition. In: 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3538–3545 (2012)
9.
Matas, J.G., Zimmermann, K.: A new class of learnable detectors for categorisation. In: Kalviainen, H., Parkkinen, J., Kaarna, A. (eds.) SCIA 2005. LNCS, vol. 3540, pp. 541–550. Springer, Heidelberg (2005) CrossRef
10.
Chen, H., Tsai, S., Schroth, G., Chen, D., Grzeszczuk, R., Girod, B.: Robust text detection in natural images with edge-enhanced maximally stable extremal regions. In: Proceedings of IEEE International Conference on Image Processing, pp. 2609–2612 (2011)
11.
Neumann, L., Matas, J.: Text localization in real-world images using efficiently pruned exhaustive search. In: ICDAR, pp. 687–691 (2011)
12.
Yin, X.C., Yin, X.W., Huang, K.: Robust text detection in natural scene images. IEEE Trans. Pattern Anal. Mach. Intell. 36, 970–983 (2014)CrossRef
13.
Zhang, J., Kasturi, R.: Text detection using edge gradient and graph spectrum. In: Proceedings of IEEE International Conference on Pattern Recognition, pp. 3979–3982 (2010)
14.
Li, Y., Jia, W., Shen, C., van den Hengel, A.: Characterness: an indicator of text in the wild. In: Proceedings of IEEE International Conference on Image Processing, pp. 1666–1677 (2014)
15.
Huang, W., Qiao, Y., Tang, X.: Robust scene text detection with convolution neural network induced MSER trees. In: Fleet, D., Pajdla, T., Schiele, B., Tuytelaars, T. (eds.) ECCV 2014, Part IV. LNCS, vol. 8692, pp. 497–511. Springer, Heidelberg (2014)
16.
Shi, C., Wang, C., Xiao, B., Zhang, Y., Gao, S.: Scene text detection using graph model built upon maximally stable extremal regions. Pattern Recogn. Lett. 34, 107–116 (2013)CrossRef
17.
Yi, C., Tian, Y.: Text extraction from scene images by character appearance and structure modeling. CVIU 117(2), 182–194 (2013)
18.
Shahab, A., Shafait, F., Dengel, A.: ICDAR 2011 robust reading competition challenge 2: reading text in scene images. In: Proceedings of International Conference on Document Analysis and Recognition, pp. 1491–1496 (2011)
19.
Metadaten
Titel
Fast and Accurate Text Detection in Natural Scene Images
verfasst von
Chengqiu Xiao
Lixin Ji
Chao Gao
Shaomei Li
Copyright-Jahr
2015
Buch
Intelligence Science and Big Data Engineering. Image and Video Data Engineering

Print ISBN: 978-3-319-23987-3

Electronic ISBN: 978-3-319-23989-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-23989-7_1

Premium Partner

    Bildnachweise