[發(fā)明專利]一種復(fù)雜背景圖像中的文本提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310210040.4
• 申請(qǐng)日: 2013-05-29
• 公開（公告）號(hào): CN103268481A
• 公開（公告）日: 2013-08-28
• 發(fā)明（設(shè)計(jì)）人: 達(dá)飛鵬;劉超;饒立;李燕春;呂江昭;王辰星;何學(xué)勇
• 申請(qǐng)（專利權(quán)）人: 焦點(diǎn)科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46
• 代理公司: 江蘇永衡昭輝律師事務(wù)所 32250
• 代理人: 齊旺

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其是涉及一種復(fù)雜背景圖像中的文本提取方法。

背景技術(shù)

近年來(lái)，隨著網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的飛速發(fā)展，以網(wǎng)絡(luò)為載體的網(wǎng)絡(luò)文化正成為當(dāng)前文化發(fā)展的一個(gè)新趨勢(shì)，隨之而來(lái)的是諸如純文本、數(shù)字圖像、視頻等數(shù)字信息以幾何級(jí)速度增長(zhǎng)，給人們的生活帶來(lái)重大影響。這些信息中存在大量數(shù)據(jù)，不但包括對(duì)人們有益的信息，還有越來(lái)越多的淫穢、暴力、反動(dòng)信息。這些信息檢測(cè)工作靠人工檢測(cè)顯然是不現(xiàn)實(shí)的，需要計(jì)算機(jī)能夠自動(dòng)識(shí)別檢測(cè)。目前文字識(shí)別技術(shù)已經(jīng)相對(duì)成熟，因此，定位并提取出復(fù)雜圖像及視頻中的文本信息就有了重大意義。

目前文本定位方法主要有基于連通域的方法、基于紋理特征的方法、基于邊緣檢測(cè)的方法、基于角點(diǎn)檢測(cè)的方法、基于機(jī)器學(xué)習(xí)的方法以及以上幾個(gè)方法的組合。這些方法在復(fù)雜背景圖像的應(yīng)用上各有優(yōu)缺點(diǎn)，很難找到一種算法對(duì)各種圖像中文本進(jìn)行魯棒的定位。

復(fù)雜背景圖像中的文本提取具有廣泛的應(yīng)用前景，同時(shí)也是一個(gè)具有挑戰(zhàn)性工作，需要進(jìn)一步的深入研究。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題在于克服現(xiàn)有技術(shù)的不足,本發(fā)明提出了一種復(fù)雜背景圖像中的文本提取方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案如下：一種復(fù)雜背景圖像中的文本提取方法，其步驟如下：

步驟1：利用加權(quán)平均值法將源圖像src灰度化，得到灰度圖像Img；

步驟2：檢測(cè)灰度圖像Img中的角點(diǎn)，將角點(diǎn)坐標(biāo)存入角點(diǎn)容器中，構(gòu)造角點(diǎn)矩陣；

步驟3：去除角點(diǎn)矩陣中的孤立角點(diǎn)；

步驟4：利用積分投影變換實(shí)現(xiàn)文本定位；

步驟5：篩選并去除非文本區(qū)域；

步驟6：從源圖像src中截取出文本子圖，判斷文本子圖的背景是否復(fù)雜；如果文本子圖的背景判斷為復(fù)雜，則執(zhí)行步驟7；如果文本子圖的背景判斷為不復(fù)雜，則執(zhí)行步驟8；

步驟7：對(duì)背景復(fù)雜的文本子圖進(jìn)行顏色聚類，進(jìn)而去除文本子圖的背景后提取出文本信息；執(zhí)行步驟9；

步驟8：對(duì)背景不復(fù)雜的文本子圖灰度化，再利用自適應(yīng)閾值選取算法進(jìn)行二值化，選取前景與背景區(qū)分閾值，提取圖像文本子圖的文本信息；

步驟9：循環(huán)執(zhí)行步驟6到步驟9，直到源圖像src中所有文本子圖的文本信息精確提取完成。

步驟1中，所述利用加權(quán)平均值法將源圖像src灰度化，得到灰度圖像Img，源圖像src中每點(diǎn)的灰度值計(jì)算公式為：

Gray=0.30R+0.59G+0.11B

其中，R、G、B分別為該點(diǎn)在源圖像src中的三通道像素值，Gray為該點(diǎn)灰度化后的灰度值。

步驟2中，所述檢測(cè)灰度圖像Img中的角點(diǎn)，將角點(diǎn)坐標(biāo)存入角點(diǎn)容器中，構(gòu)造角點(diǎn)矩陣；該步驟利用susan算子檢測(cè)灰度圖像Img中的角點(diǎn)，具體步驟如下：

步驟2.1：構(gòu)造一個(gè)與灰度圖像Img矩陣同等大小的二維矩陣，記為角點(diǎn)矩陣C，將C中每個(gè)值設(shè)置為0，并構(gòu)造角點(diǎn)容器V存儲(chǔ)角點(diǎn)坐標(biāo)；

步驟2.2：構(gòu)造一個(gè)近似圓N(x,y)作為susan檢測(cè)模板，N(x,y)包含37個(gè)像素，檢測(cè)模板N(x,y)的中心為模板的核；

步驟2.3：選取灰度圖像Img中任意一個(gè)像素點(diǎn)r₀作為待檢測(cè)點(diǎn)，將檢測(cè)模板N(x,y)的核放在r₀處，比較模板N(x,y)內(nèi)每個(gè)非核點(diǎn)的灰度值與核位置的灰度值，比較函數(shù)如下：

式中(x₀,y₀)為核在灰度圖像Img中坐標(biāo)，(x,y)為模板N(x,y)中一個(gè)非核點(diǎn)坐標(biāo)，f(x₀,y₀)和f(x,y)分別為核坐標(biāo)(x₀,y₀)和非核點(diǎn)(x,y)處灰度值，C(x,y)為(x,y)處灰度比較結(jié)果；若非核點(diǎn)在圖像外，則將C(x,y)直接置為0；

步驟2.4：計(jì)算像素點(diǎn)r₀總的灰度差異函數(shù)值，即對(duì)步驟2.3中的比較結(jié)果求和：