The flowchart of our text detection

The flowchart of our text detection algorithm is shown in Fig.2. At
the input of the system, the image intensities are linearly adjusted
to enhance the contrast. Subsequently, MSER regions are efficiently
extracted from the image [20] and enhanced using Canny edges obtained from the original gray-scale image (Section 2.1). As a next
step, the resulting CCs are filtered using geometric constraints on
properties like aspect ratio and number of holes (Section 2.2). The
stroke width information is robustly computed using a distance transform (Section 2.3) and objects with high variation in stroke width
are rejected. Text candidates are grouped pairwise and form text
lines. Finally, words within a text line are separated, giving segmented word patches at the output of our system

Kết quả (Việt) 2:

Các sơ đồ của thuật toán phát hiện văn bản của chúng tôi được thể hiện trong hình 2. Tại
đầu vào của hệ thống, cường độ hình ảnh được tuyến tính điều chỉnh
để tăng độ tương phản. Sau đó, các khu vực MSER được hiệu quả
chiết xuất từ các hình ảnh [20] và nâng cao bằng cách sử dụng Canny mép thu được từ các hình ảnh màu xám quy mô ban đầu (Phần 2.1). Là một tiếp
bước, CC kết quả được lọc bằng cách sử dụng các ràng buộc hình học trên
tài sản như tỉ lệ và số lượng các lỗ (Mục 2.2). Các
thông tin bề dày nét mạnh mẽ được tính bằng cách sử dụng một khoảng cách chuyển đổi (Phần 2.3) và các đối tượng với sự biến động cao trong bề dày nét
đều ​​từ chối. Ứng cử viên văn bản được nhóm cặp và hình thức văn bản
dòng. Cuối cùng, từ trong một dòng văn bản được tách ra, đem lại cho các bản vá lỗi từ phân đoạn tại đầu ra của hệ thống của chúng tôi