[發明專利]一種基于稀疏編碼特征的場景文本識別方法

有效

• 申請號: 201410184072.6
• 申請日: 2014-05-04
• 公開（公告）號: CN103942550B
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 王菡子;王大寒;章冬
• 申請（專利權）人: 廈門大學
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/46
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

1.一種基于稀疏編碼特征的場景文本識別方法，其特征在于包括如下步驟：

步驟S1：輸入待識別的自然場景文本圖像；

步驟S2：采用多尺度滑動窗口的方法，用字符分類器對圖像中的窗口區域進行檢測和識別，對每一個字符類別，將分類器輸出較大的區域判定為候選字符區域，輸出較小的區域認為是背景區域，這樣找出圖像中包含的候選字符區域，再采用非極大值抑制方法，對重疊率較大的區域只保留分類器輸出值最大的區域和相應的字符類別，除去重復冗余的候選字符區域，得到字符檢測結果；

所述字符分類器的特征提取是采用基于稀疏編碼的特征，分類器訓練采用訓練較為簡單且識別速度較快的Random Fern分類器或SVM分類器；

所述稀疏編碼的特征提取過程包括如下步驟：

步驟S201：用大量的自然場景圖片數據，用K-SVD算法學習得到一個具有普遍適用性的稀疏編碼字典；

所述K-SVD算法在學習字典時，字典的每個元素設計為9×9的圖片，代表了學習得到的共有的結構特征，字典共包含100個元素，即字典的大小為100，這使字典具有較高的表示能力，同時使計算量控制在可接受的范圍；

步驟S202：將學習得到的稀疏編碼字典保存，其中，字典中每個元素描述的是一些重要的結構信息；

步驟S203：利用步驟S202中所保存的字典，提取圖像的稀疏編碼特征；

所述提取圖像的稀疏編碼特征的具體方法為：對圖像的每一個像素，通過OrthogonalMatching Pursuit算法進行解碼得到像素的稀疏編碼，再將得到的稀疏編碼進行統計得到稀疏編碼的直方圖，從而得到圖像的稀疏編碼特征，即HSC特征；

步驟S3：將檢測到的字符合并成一個詞或文本行；

所述將檢測到的字符合并成一個詞或文本行，由于對每一個字符類別都保留了大量的候選字符區域，將字符合并成詞時有大量的組合方式，因此采用動態規劃算法搜索得到識別分數最大的字符組合方式，得到最終的文本識別結果；

步驟S4：輸出場景文本識別結果；

所述將得到的稀疏編碼進行統計得到稀疏編碼的直方圖，從而得到圖像的稀疏編碼特征的方法為：將稀疏編碼進行統計得到稀疏編碼的直方圖時，采用了類似于梯度直方圖特征的方法，具體步驟包括：

首先，將輸入的圖片分成8×8的小單元塊，統計每一個小單元塊的稀疏編碼；

然后，使用雙線性插值法利用每個小單元塊的相鄰塊計算每個小單元塊的稀疏編碼特征，也即在每個小單元塊上的特征是在一個16×16的鄰域上求插值得到的；

最后，將所有的小單元塊的特征向量連起來得到整個圖像的稀疏編碼特征，即HSC特征；

所述采用動態規劃算法搜索得到識別分數最大的字符組合方式，需要一個目標函數來評價每一種組合的得分；所述目標函數的設計采用以下方法：

用w＝(c₁,c₂,…,c_n)表示一個候選詞，其中c_i(i＝1,2,…,n)表示候選詞中包含的字符類別，n為字符個數(即文本長度)，x_i表示c_i的候選字符區域，目標函數設計為：

其中S(c_i,x_i)是字符分類器將候選字符x_i識別為c_i的得分，g(x_i,x_i+1)為幾何模型的輸出，描述了候選字符x_i和x_i+1在幾何關系上的兼容性，α和β是兩個調節參數。

2.如權利要求1所述一種基于稀疏編碼特征的場景文本識別方法，其特征在于所述目標函數中，幾何模型g(x_i,x_i+1)描述的是兩個相鄰字符之間的幾何特征是否是字符間特征，是一個兩類分類問題，用一個SVM分類器對幾何特征進行建模，建模時提取的幾何特征包括尺度相似性、相鄰字符的重疊率、上下邊界的距離。

3.如權利要求1所述一種基于稀疏編碼特征的場景文本識別方法，其特征在于所述目標函數中，考慮了文本長度的影響，因此能夠克服字符長度對識別結果的影響，從而提高文本識別率；調節參數α和β可采用最小分類錯誤率訓練方法在場景文本數據庫上學習得到。