Edge-enhanced MSERAs the intensity

Edge-enhanced MSER
As the intensity contrast of text to its background is typically significant and a uniform intensity or color within every letter can be
assumed, MSER is a natural choice for text detection. While MSER
has been identified as one of the best region detectors [19] due to
its robustness against view point, scale, and lighting changes, it is
sensitive to image blur. Thus, small letters cannot be detected or
distinguished in case of motion or defocus blur by applying plain
MSER to images of limited resolution. Fig. 3a shows an example
where multiple letters are identified as a single MSER region. To
cope with blurred images we propose to combine the complimentary
properties of Canny edges [22] and MSER. The outline of extremal
regions can be enhanced by applying the precisely located but not
necessarily connected Canny edges. As shown in Fig.3a, we remove
the MSER pixels outside the boundary formed by the Canny edges.
This is achieved by pruning the MSER along the gradient directions
(indicated by the blue arrows) computed from the original gray-scale
image. Since the type of the letter (bright or dark) is known during
the MSER detection stage, the gradient directions can be adapted to
guarantee that they point towards the background. Fig.3b shows the
edge-enhanced MSER, which provides a significantly improved representation of the text where individual letters are separated. This not
only improves the performance of geometric filtering (Section 2.2),
but also increases the repeatability of MSER based feature matching
under different image blur conditions.

Kết quả (Việt) 1:

Tăng cường cạnh MSERLà cường độ tương phản của văn bản nền tảng của nó là thường đáng kể và cường độ đồng nhất hoặc màu sắc trong mỗi chữ có thểgiả định, MSER là một sự lựa chọn tự nhiên cho văn bản phát hiện. Trong khi MSERđã được xác định là một trong tốt nhất vùng dò [19] docủa nó mạnh mẽ chống lại quan điểm, quy mô, và thay đổi ánh sáng, nó lànhạy cảm với hình ảnh mờ. Do đó, chữ nhỏ không thể phát hiện hoặcphân biệt trong trường hợp chuyển động hoặc defocus mờ bằng cách áp dụng đồng bằngMSER hình ảnh độ phân giải giới hạn. Hình 3a cho thấy một ví dụnơi nhiều chữ cái được xác định là một khu vực MSER duy nhất. Đểđối phó với mờ hình ảnh chúng tôi đề xuất để kết hợp các miễn phíthuộc tính của Canny cạnh [22] và MSER. Phác thảo của gamekhu vực có thể được nâng cao bằng cách áp dụng các vị trí chính xác nhưng khôngnhất thiết phải kết nối Canny cạnh. Như minh hoạ trong Fig.3a, chúng tôi loại bỏCác điểm ảnh MSER bên ngoài ranh giới được hình thành bởi các cạnh Canny.Điều này đạt được bằng cách cắt tỉa MSER dọc theo các hướng dẫn gradient(thể hiện bằng các mũi tên màu xanh) tính từ màu xám quy mô ban đầuhình ảnh. Kể từ khi loại thư (sáng hoặc tối) được biết đến tronggiai đoạn phát hiện MSER, gradient hướng dẫn có thể được thích nghi vớiđảm bảo rằng họ điểm hướng tới nền. Fig.3B cho thấy cáctăng cường cạnh MSER, mà cung cấp một đại diện cải thiện đáng kể của các văn bản nơi thư cá nhân được tách ra. Không nàychỉ cải thiện hiệu suất của hình học lọc (phần 2.2),nhưng cũng tăng độ MSER dựa trên tính năng phù hợp vớidưới khác nhau hình ảnh mờ điều kiện.

Kết quả (Việt) 2:

Edge-tăng cường MSER
Như sự tương phản cường độ của văn bản để nền của nó thường là đáng kể và một cường độ đồng nhất hoặc màu sắc trong mỗi thư có thể được
giả định, MSER là một sự lựa chọn tự nhiên để phát hiện văn bản. Trong khi MSER
đã được xác định là một trong những khu vực phát hiện tốt nhất [19] do
mạnh mẽ của nó chống lại quan điểm, quy mô, và sự thay đổi ánh sáng, đó là
nhạy cảm với hình ảnh mờ. Như vậy, chữ nhỏ không thể phát hiện hoặc
phân biệt trong trường hợp chuyển động hoặc defocus blur bằng cách áp dụng đồng bằng
MSER để hình ảnh có độ phân giải hạn chế. Hình. 3a thấy một ví dụ
mà nhiều chữ cái được xác định là một khu vực MSER duy nhất. Để
đối phó với những hình ảnh bị mờ, chúng tôi đề xuất để kết hợp miễn phí
tài sản của các cạnh Canny [22] và MSER. Các phác thảo của extremal
khu vực có thể được nâng cao bằng cách áp dụng một cách chính xác nhưng thực tế không
nhất thiết phải cạnh Canny kết nối. Như thể hiện trong Fig.3a, chúng tôi loại bỏ
các điểm ảnh MSER ngoài ranh giới được hình thành bởi các cạnh Canny.
Điều này đạt được bằng cách cắt tỉa các MSER theo hướng dốc
(chỉ định bởi các mũi tên màu xanh) tính từ bản gốc màu xám quy mô
hình ảnh. Kể từ khi các loại thư (sáng hoặc tối) được biết đến trong
các giai đoạn phát hiện MSER, hướng gradient có thể được điều chỉnh để
đảm bảo rằng họ chỉ hướng tới nền. Fig.3b lãm các
cạnh tăng cường MSER, cung cấp một đại diện được cải thiện đáng kể của văn bản nơi thư cá nhân được tách ra. Điều này không
chỉ cải thiện hiệu suất của bộ lọc hình học (mục 2.2),
mà còn làm tăng năng lặp lại các tính năng kết hợp MSER dựa
theo các điều kiện mờ ảnh khác nhau.