基于深度学习的残损碑文识别算法研究

发布时间：2023-05-08 00:32

　　石刻碑文的数字化保存对碑刻历史研究和文化传承具有重要意义,但是受风化腐蚀和人为破坏影响,碑文普遍存在着字迹残缺和模糊,碑刻文字识别难度大,数字化保存困难。目前的碑文文字识别算法由于先验知识缺乏、特征提取单一等问题,导致识别准确率不高、算法适用性差。深度学习可以通过拓深网络深度自动提取到更高级、高区分度的特征信息可进行有监督的训练学习,在规则字符识别方面具有较高的鲁棒性。因此开展基于深度学习的残损碑文识别算法研究,具有一定应用价值。论文在利用投影分割法对碑文图片进行单字分割的基础上,针对碑文数据收集困难、数据量较少问题,采用人工合成的方式生成训练所需的数据集;然后设计了一种跨层卷积神经网络,提高了特征的利用率,实现了对分割后的单字碑文的预测识别。其次,针对单字分割算法存在切割不准确以及切割时间较长的问题,设计了EAST+CRNN的深度学习网络结构;通过EAST网络对处理后的碑文图像实现像素级的分类,然后将自动生成的目标框合并修正后,完成单行文字的分割。同时,在RCNN网络中通过CNN提取特征信息,利用双向LSTM网络输出单行的识别概率,最终通过CTC对识别概率汇总输出结果。该识别方法更加...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1.绪论
    1.1 研究背景及意义
    1.2 国内外研究现状及分析
        1.2.1 残损文字识别的研究现状
        1.2.2 基于深度学习的字符识别的研究现状
    1.3 论文的研究内容及章节安排
2.字符检测识别与深度学习理论
    2.1 字符的检测识别
        2.1.1 图像的预处理
        2.1.2 单字切割
        2.1.3 字符特征提取
        2.1.4 字符分类识别
    2.2 深度学习方法概述
        2.2.1 神经网络的发展
        2.2.2 卷积神经网络的原理
        2.2.3 循环神经网络与LSTM
    2.3 基于深度学习的目标检测算法
        2.3.1 Faster R-CNN目标检测框架
        2.3.2 YOLO目标检测框架
    2.4 深度学习碑文识别的可行性分析
    2.5 本章小结
3.基于卷积神经网络的残损碑文识别算法
    3.1 数据集构建
    3.2 训练网络的设计
        3.2.1 卷积神经网络结构
        3.2.2 采用的网络结构
        3.2.3 实验设置
    3.3 实验结果与分析
        3.3.1 切割实验结果分析
        3.3.2 预测实验结果分析
    3.4 本章小结
4.基于EAST-CRNN的碑文定位识别算法
    4.1 单字切割存在的问题
    4.2 基于EAST的碑文分割
    4.3 CRNN不定长字符识别
    4.4 EAST网络训练与分割分析
        4.4.1 网络训练
        4.4.2 分割结果与分析
    4.5 CRNN网络训练与预测分析
        4.5.1 网络训练
        4.5.2 预测结果与分析
    4.6 本章小结
5.总结与展望
    5.1 本文总结
    5.2 本文展望
参考文献
攻读硕士期间发表的论文
致谢



本文编号：3811631