[發(fā)明專利]一種復(fù)雜背景圖像文字分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210560199.4
• 申請(qǐng)日: 2012-12-20
• 公開（公告）號(hào): CN102968637A
• 公開（公告）日: 2013-03-13
• 發(fā)明（設(shè)計(jì)）人: 柏猛;李敏花;呂英俊
• 申請(qǐng)（專利權(quán)）人: 山東科技大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06K9/62
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域中的圖像分割技術(shù)，尤其涉及一種復(fù)雜背景圖像文字分割方法。

背景技術(shù)

隨著數(shù)碼相機(jī)、攝像頭、超高速掃描儀等圖像獲取設(shè)備的廣泛應(yīng)用，圖像中信息越來越引起人們的關(guān)注，然而計(jì)算機(jī)理解圖像的內(nèi)容，目前還很困難。嵌入在圖像中的文字，是圖像語義內(nèi)容的一種重要表達(dá)方式。如果能夠自動(dòng)提取和識(shí)別這些文字，就可以讓機(jī)器自動(dòng)理解圖片內(nèi)容并對(duì)圖片進(jìn)行分類，進(jìn)而借助已經(jīng)成熟的文本檢索技術(shù)采用這些文字對(duì)圖片進(jìn)行標(biāo)注和檢索，從而為基于內(nèi)容的圖像和視頻檢索提供一種途徑。然而，嵌入在圖像中的文字通常都帶有復(fù)雜背景，即使文本內(nèi)容在圖像中能被準(zhǔn)確檢測(cè)到，在沒有去除背景之前，現(xiàn)有的OCR系統(tǒng)難以識(shí)別出字符，因而在提交給OCR系統(tǒng)之前還需要一個(gè)文字分割過程。因此，如何從復(fù)雜背景圖像中分割文本信息，成為以文字為線索來理解和檢索圖像內(nèi)容的一個(gè)關(guān)鍵任務(wù)。

現(xiàn)有的圖像文字分割技術(shù)主要分為以下三類：基于閾值的方法、基于聚類的方法和基于統(tǒng)計(jì)模型的方法。

基于閾值的方法一般根據(jù)文字塊中前景和背景的亮度分布自適應(yīng)地選取一個(gè)全局閾值或自適應(yīng)局部閾值。在圖像背景比較單一時(shí)該類方法能取得較好的效果；當(dāng)文字具有較復(fù)雜的背景，例如文字的灰度可能介于背景的多個(gè)灰度之間時(shí)，閾值法不再適用。

基于聚類的方法一般首先假定文字塊中所有像素根據(jù)顏色可以分為K類，文字像素對(duì)應(yīng)于其中一類，其余各類均為背景；然后采用經(jīng)典的無監(jiān)督聚類算法對(duì)所有像素進(jìn)行聚類。這類方法可用于復(fù)雜背景的情況。但當(dāng)背景中含有與文字顏色相同或相近的成分時(shí)，這些成分會(huì)被誤分入文字類，從而產(chǎn)生大量的殘余背景，影響OCR識(shí)別。

基于統(tǒng)計(jì)模型的方法首先為文字塊內(nèi)所有像素或者文字像素建立概率模型，一般根據(jù)顏色建立高斯混合模型(Gaussian?Mixture?Model,GMM)，所有同色區(qū)域用一個(gè)Gaussian核函數(shù)表示。然后使用EM算法估計(jì)模型參數(shù)，最后根據(jù)最大似然準(zhǔn)則確定每個(gè)區(qū)域的類別。由于單純地利用了顏色信息，GMM模型存在著與聚類方法同樣的問題，而且GMM核函數(shù)的個(gè)數(shù)難以確定。

上述各種文字分割方法,只利用了圖像底層局部的灰度或彩色信息,沒有考慮到文字的空間或全局上下文信息。因而，對(duì)復(fù)雜背景中的文字分割效果不好。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了解決上述問題，提供一種復(fù)雜背景圖像文字分割方法，根據(jù)復(fù)雜背景圖像中文字信息的特點(diǎn)，融合圖像底層的局部顏色、紋理特征和標(biāo)簽層全局特征，并采用由粗到精兩級(jí)分割的方法，從而提高復(fù)雜背景圖像文字分割的準(zhǔn)確率。該方法對(duì)背景簡(jiǎn)單圖像和背景復(fù)雜圖像均具有較好的分割效果，具有一定的通用性和實(shí)用性。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種復(fù)雜背景圖像文字分割方法，主要包括以下步驟：進(jìn)行圖像讀?。粚?duì)讀取的圖像進(jìn)行文字區(qū)域讀取；對(duì)讀取的文字區(qū)域進(jìn)行底層顏色特征抽??；對(duì)抽取過底層顏色特征的文字區(qū)域進(jìn)行底層紋理特征抽取；對(duì)抽取出來的文字區(qū)域的底層顏色特征和底層紋理特征進(jìn)行融合得到文字區(qū)域的底層局部特征；對(duì)文字區(qū)域的底層局部特征進(jìn)行粗分類，然后在粗分類的結(jié)果上抽取文字區(qū)域的標(biāo)簽層全局特征；將文字區(qū)域的底層局部特征與文字區(qū)域的標(biāo)簽層全局特征進(jìn)行融合得到文字區(qū)域所有像素的特征向量；對(duì)文字區(qū)域中所有像素特征向量進(jìn)行訓(xùn)練得到第一級(jí)文字分割的分類器；用訓(xùn)練好的分類器對(duì)圖像的特征分類，實(shí)現(xiàn)第一級(jí)文字分割；對(duì)第一級(jí)分割的結(jié)果進(jìn)行連通元標(biāo)定；抽取連通元特征，利用文字連通元與背景連通元的特征差異，進(jìn)行連通元篩選，去除背景連通元，實(shí)現(xiàn)第二級(jí)文字分割；輸出文字分割結(jié)果。

一種復(fù)雜背景圖像文字分割方法，具體步驟如下：

步驟（1）：開始，讀取圖像；

步驟（2）：將圖像中的文字區(qū)域塊提取出來，并將文字區(qū)域塊保存到相應(yīng)位置；

步驟（3）：判斷是否所有的文字區(qū)域塊提取完成，如果提取完成則進(jìn)入步驟（4）；如果未提取完成返回步驟（2）；

步驟（4）：在RGB顏色空間抽取文字區(qū)域塊中每個(gè)像素點(diǎn)的顏色特征，得到6維底層局部顏色特征；如果所有像素點(diǎn)的顏色特征抽取完畢就進(jìn)入步驟（5）；

步驟（5）：抽取文字區(qū)域塊中每個(gè)像素點(diǎn)的紋理特征：首先將文字區(qū)域塊轉(zhuǎn)換為灰度圖像，然后在灰度圖像上抽取Gabor紋理特征，每個(gè)像素點(diǎn)得到6維底層局部紋理特征；

步驟（6）：將6維顏色特征和6維紋理特征進(jìn)行特征融合，得到12維圖像底層局部特征；