1 西安建筑科技大学 信息与控制工程学院，陕西 西安 710055
2 中国社会科学院 考古研究所，北京 100101
3 陕西省文物保护研究院，陕西 西安 710075
骨签是记载西汉时期地方工官向中央上缴产品的重要文物，准确检测其文字内容具有重要意义。针对复杂纹理背景下骨签文字特征难以提取及文字密集、粘连导致检测框冗余的问题，提出融合自注意力卷积和改进损失函数的骨签文字检测算法。首先，在YOLOv5特征提取端加入自注意力卷积模块，增强网络对骨签文字特征的注意，同时使模型捕捉更丰富的全局信息，抑制裂痕对文字特征提取的干扰。其次，使用Focal-EIOU损失函数替换原网络的CIOU进行优化，Focal-EIOU使用宽高损失降低预测框与真实框的宽高差距，剔除大于真实框的预测框，解决文字密集与粘连产生的检测框冗余问题，进而提高模型精准预测能力。实验结果表明，本文算法的平均精确率达到93.35%，相比YOLOv5提高了3.08%，对于复杂纹理背景下的密集粘连骨签文字检测任务更为适用。
文字检测 骨签 注意力机制 YOLOv5 损失函数 text detection bone stick attention mechanism YOLOv5 loss function
1 太原工业学院教务处, 山西 太原 030008
2 中北大学仪器科学与动态测试教育部重点实验室, 山西 太原 030051
针对图片中文字对视觉的影响,提出基于TV模型的图片文字干扰消除算法。采用Roberts算子与二值形态学对待处理图片中干扰文字区域进行检测与准确定位,将已确定的干扰文字区域作为TV模型的约束条件进行求解即可有效消除文字的干扰。实验结果表明,该方法可以高效地检测和消除图片中的干扰文字。
图像处理 TV模型 文字检测 文字消除 二值形态学 激光与光电子学进展
2019, 56(24): 241004
