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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Algorithm Selection Using Performance and Run Time Behavior Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Smooth Stroke Width Transform for Text Detection

verfasst von : Il-Seok Oh, Jin-Seon Lee

Erschienen in: Artificial Intelligence: Methodology, Systems, and Applications

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

The stroke width transform (SWT) is a generic operation for the task of detecting texts from natural images because the characters intrinsically have the elongated shape of nearly uniform width. The edge pairing technique was recently developed by Epshtein et al. and is popularly used due to its simplicity and effectiveness. However since the natural images are noisy and sensitive to variations, high degree of artifacts arises and it hinders subsequent processing of the text detection. This paper reformulates the SWT problem in a new way that searches for an optimal solution in 3-D space. We present an effective search algorithm called the aggregation approach, borrowed from the depth image reconstruction domain. The experiments showed that the algorithm produced a smooth SWT map which is better for subsequent processes.

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
Vorheriges Kapitel In Search of Credible News
Nächstes Kapitel Hearthstone Helper - Using Optical Character Recognition Techniques for Cards Detection
Literatur
1.
Koo, H.I., Kim, D.H.: Scene text detection via connected component clustering and non-text filtering. IEEE Trans. Image Process. 22(6), 2296–2305 (2013)MathSciNetCrossRefMATH
2.
Yin, X.-C., Yin, X., Huang, K., Hao, H.-W.: Robust text detection in natural scene images. IEEE Trans. Pattern Recogn. Mach. Intell. 36(5), 970–983 (2014)CrossRef
3.
Epshtein, B., Ofek, E., Wexler, Y., Detecting text in natural scenes with stroke width transform. In: IEEE Conference on Computer Vision and Pattern Recognition, pp. 2963–2970 (2010)
4.
Lucas, B.D., Kanade, T.: An iterative image registration technique with an application to stereo vision. In: International Joint Conference on Artificial Intelligence, pp. 674–679 (1981)
5.
Scharstein, D., Szeliski, R.: A taxonomy and evaluation of dense two-frame stereo correspondence algorithms. Int. J. Comput. Vis. 47(1), 7–42 (2002)CrossRefMATH
6.
Zhang, J., Kasturi, R.: Character energy and link energy-based text extraction in scene images. In: Kimmel, R., Klette, R., Sugimoto, A. (eds.) ACCV 2010, Part II. LNCS, vol. 6493, pp. 308–320. Springer, Heidelberg (2011)CrossRef
7.
Yi, C., Tian, Y.: Text string detection from natural scenes by structure-based partition and grouping. IEEE Trans. Image Process. 20(9), 2594–2605 (2011)MathSciNetCrossRefMATH
8.
Mosleh, A., et al.: Image text detection using a Bandlet-based edge detector and stroke width transform. In: British Machine Vision Conference (2012)
9.
Meng, Q., Song, Y., Zhang, Y., Liu, Y.: Text detection in natural scene with edge analysis. In: International Conference on Image Processing, pp. 4151–4155 (2013)
10.
Huang, W., Lin, Z., Yang, J., Wang, J.: Text localization in natural images using stroke feature transform and text covariance descriptors. In: International Conference on Computer Vision, pp. 1241–1248 (2013)
11.
Karthikeyan, S.: Jagadeesh, V., Manjunath, B.S.: Learning bottom-up text attention maps for text detection using stroke width transform. In: International Conference on Image Processing, pp. 3312–3316 (2013)
12.
Liu, S., Zhou, Y., Zhang, Y., Wang, Y., Lin, W.: Text detection in natural scene images with stroke width clustering and superpixel. In: Ooi, W.T., Snoek, C.G., Tan, H.K., Ho, C.-K., Huet, B., Ngo, C.-W. (eds.) PCM 2014. LNCS, vol. 8879, pp. 123–132. Springer, Heidelberg (2014)
13.
Dong, W., Lian, Z., Tang, Y., Xiao, J.: Text detection in natural images using localized stroke width transform. In: He, X., Luo, S., Tao, D., Xu, C., Yang, J., Hasan, M.A. (eds.) MMM 2015, Part I. LNCS, vol. 8935, pp. 49–58. Springer, Heidelberg (2015)
14.
Yao, C., Bai, X., Liu, W., Ma, Y., Tu, Z.: Detecting texts of arbitrary orientations in natural images. In: IEEE Conference on Computer Vision and Pattern Recognition, pp. 1083–1090 (2012)
15.
Bhavadharani, R., Thilagavathy, A.: An efficient gaze-text-detection from images using stroke width transform. Int. J. Adv. Eng. Technol. Manag. Appl. Sci. 1(6), 1–8 (2014)
16.
Gong, M., Yang, R., Wang, L., Gong, M.: A performance study on different cost aggregation approaches used in real-time stereo matching. Int. J. Comput. Vis. 75(2), 283–296 (2007)CrossRef
17.
Karatzas, D., et al.: ICDAR 2013 robust reading competition. In: International Conference on Document Analysis and Recognition, pp. 1484–1493 (2013)
Metadaten
Titel
Smooth Stroke Width Transform for Text Detection
verfasst von
Il-Seok Oh
Jin-Seon Lee
Copyright-Jahr
2016
Buch
Artificial Intelligence: Methodology, Systems, and Applications

Print ISBN: 978-3-319-44747-6

Electronic ISBN: 978-3-319-44748-3

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-44748-3_18

Premium Partner

    Bildnachweise