[發(fā)明專利]一種快速判斷文字微博的方法

無效

• 申請?zhí)枺?/td>: 201310152286.0
• 申請日: 2013-04-27
• 公開（公告）號: CN103246885A
• 公開（公告）日: 2013-08-14
• 發(fā)明（設(shè)計）人: 田海;朱啟兵;陸玉傳
• 申請（專利權(quán)）人: 南京訊思雅信息科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/00
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 朱小兵

技術(shù)領(lǐng)域

本發(fā)明公開了一種快速判斷文字微博的方法，屬于計算機視覺技術(shù)領(lǐng)域。

背景技術(shù)

微博作為一種新型的信息交互平臺，已經(jīng)擁有非?？捎^的用戶群。但凡任何（群體）事件的發(fā)生，都伴隨著微博信息的快速轉(zhuǎn)發(fā)。由于純文字易于判斷和檢測，例如使用關(guān)鍵字，很多微博用戶將長段文字塊轉(zhuǎn)換成圖片（俗稱長微博）進行轉(zhuǎn)發(fā)和傳遞。由于圖片的識別和檢測還不及文字檢測匹配的精度，因此給信息安全帶來一定的考驗。現(xiàn)有的采用文字檢測的方法，無法檢測圖片里面的文字。更加無法使用關(guān)鍵字匹配，給信息安全帶來了很大的隱患。此外，目前的圖片匹配只能應(yīng)用簡單的物體匹配，無法精確到內(nèi)嵌文字，更加無法提取關(guān)鍵字。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是：針對目前技術(shù)的不足之處，利用邊角檢測算法判斷出檢測的圖片是不是長微博。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：一種快速判斷文字微博的方法，具體步驟如下：

步驟1.?選取一幅待測圖片，檢測所述待測圖片中的Harris邊角點并統(tǒng)計邊角點個數(shù)；

步驟2.?將待測圖片平均分成N個條帶，統(tǒng)計每個條帶中含有的Harris邊角點個數(shù)，其中，N的取值為自然數(shù)；

步驟3.?判斷邊角點最多的條帶是否包含文字：

（301）如果邊角點最多的條帶不包含文字，則判斷待測圖片不包含長段文字；

（302）如果邊角點最多的條帶包含文字，進入步驟4；

步驟4.判斷邊角點最多的條帶的相鄰條帶是否包含文字：

（401）如果邊角點最多的條帶的相鄰條帶不包含文字，則判斷待測圖片不包含長段文字；

（402）如果邊角點最多的條帶的相鄰條帶包含文字，則判斷待測圖片包含長段文字。

進一步的，所述步驟3的判斷過程，具體如下：

步驟1.統(tǒng)計條帶中相鄰的2個Harris邊角點之間的距離T；

步驟2.統(tǒng)計條帶中最左邊的Harris邊角點與圖片左側(cè)邊的距離T1，以及條帶中最右邊的邊角點與圖片右側(cè)邊的距離T2；

步驟3.設(shè)定條帶的寬度為A，當同時滿足下述條件時，判斷條帶包含文字，否則判斷該條帶不包含文字：

a.????????????????????????????????????????????????;

b.;

c.。

進一步的，步驟2中所述的將待測圖片沿水平方向平均分成N個條帶，N的取值為10。

所述步驟2中，優(yōu)選將待測圖片沿水平方向或豎直方向平均分成N個條帶，統(tǒng)計每個條帶中含有的Harris邊角點個數(shù)，其中，N的取值為自然數(shù)。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：準確的判斷所檢測的圖片是否屬于長微博，進而可以利用目前成熟的OCR技術(shù)將長微博圖片轉(zhuǎn)換為文字，針對文字進行關(guān)鍵字匹配和檢索。

附圖說明

圖1是本發(fā)明所使用檢測方法的流程圖。

圖2是檢測條帶是否包含文字的判斷邏輯示意圖。

圖3是長微博實例示意圖。

圖4是未經(jīng)處理的待檢測圖片。

圖5是待檢測圖片經(jīng)Harris檢測算法進行興趣點標注后的示意圖。

圖6是待檢測圖片標注后劃分為條帶進行進一步處理示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明的技術(shù)方案做進一步的詳細說明：

普通圖片和長微博在內(nèi)容上有著非常大的區(qū)別，主要包括：普通圖片有著連續(xù)的像素分布，而長微博像素比較單一；普通圖片中邊角較少（相對整個圖片），而長微博由于文字的緣故含有大量的邊角。如圖3所示，由于大量文字的特性，必然會存在很多邊角點。

根據(jù)上述的原理描述，由于文字的特征，通常會含有很多的邊角（corners）。因此，利用常見的邊角檢測算法，例如Harris，可以統(tǒng)計一個圖像塊里面含有的邊角數(shù)量。當該數(shù)量超過一定的閾值之后，可以認定該圖片為長微博圖片。

在實際實現(xiàn)中，輸入圖片首先被分為N（例如N可以取10）個不重疊的條帶，每個條帶占據(jù)整個圖片寬度，但是1/N的圖片高度。對每一分塊使用Harris算法提取邊角點為興趣點。統(tǒng)計每個條帶中的興趣點個數(shù)，對于興趣點最多的條帶以及該條帶相鄰的條帶，如果這兩個條帶都滿足下面的條件：“該條帶中相鄰兩個興趣點的水平距離都小于一個閾值”（例如圖像寬度的1/70），那么認為這2個條帶中都有文字，從而該圖像是長微博。

本發(fā)明所使用檢測方法的流程圖如圖1所示。

步驟1：讀取一幅任意格式的圖像；