[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

一種基于稀疏編碼特征的場景文本識別方法，涉及計算機視覺和模式識別。輸入待識別的自然場景文本圖像；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；將檢測到的字符合并成一個詞或文本行；輸出場景文本識別結果。能夠更加有效地表示和提取字符的結構特征，從而提高場景文本的識別率。

技術領域

本發明涉及計算機視覺和模式識別，尤其是涉及一種基于稀疏編碼特征的場景文本識別方法。

背景技術

隨著智能手機和數碼相機等產品越來越流行，獲取圖片和視頻已經變得輕而易舉，圖像和視頻的分析和理解成為具有廣闊應用前景的研究方向之一。在圖像和視頻中，文本信息包含了重要的語義信息，對圖像和視頻的理解有重要價值，比如書本的封頁、道路旁的廣告牌、路標信息、視頻中的字幕等都包含了大量信息，這些信息更加便于人類和計算機理解和存儲。所以在計算機視覺領域，場景圖像文本識別吸引了越來越多的關注。由于場景圖像背景復雜，場景文字的大小、字體、顏色各異，且易受光照變化和圖像退化的影響，這使場景文本的識別具有較大的挑戰性。

傳統的OCR(光學字符識別)技術能很好的識別背景比較簡單的掃描文本文檔，但是用來識別場景文本上時，識別率非常低。場景文本與掃描的文本文檔不同，在場景文本中，由于背景比較復雜，在識別文本時必須要先檢測到文本區域后才能進行識別。而在文本文檔中，進行簡單的二值化處理就能得到清晰的文本區域，采用OCR進行識別就能得到比較好的效果。所以場景文本的識別不僅僅要識別文本，還包含了對文本的檢測。

當前對場景文本的識別主要采用計算機視覺中的目標檢測的思想，同時進行文本檢測和識別。其基本思想是，把每一類字符當作一個視覺目標，然后再從場景文本圖像中檢測字符區域，同時也給出了候選字符區域的識別類別和識別分數。在字符檢測和識別的基礎上，再將候選字符區域和相應的字符類別連接起來，得到場景文本的識別結果。這種同時進行檢測和識別的方法在國際頂級會議ICCV2011提出來，表現出了優于傳統OCR的識別性能。之后的幾年有很多研究也進行了這方面的研究，提高了場景文本識別的性能。但是，在這些基于目標檢測的場景文本識別方法中，字符分類器(由于字符檢測和識別用的是同一個分類器，下面統一用字符分類器)采用的是目標檢測中常用的梯度方向直方圖特征(即HOG，Histogram of Gradients)。HOG特征能較好的表達目標的局部表觀特征和形狀特征，且對光照不敏感，所以HOG特征廣泛應用于人臉檢測、行人檢測等計算機視覺任務中。在當前提出的場景文本識別算法中，HOG特征提取方法也被用來作為字符分類器的特征提取算法。

雖然HOG特征能表示局部特征(比如邊緣等)，但是HOG特征不能有效表達結構信息。尤其是對字符識別，字符的結構信息是非常重要的信息，能夠有效區分字符之間的結構差異，從而提高字符識別率。基于稀疏編碼特征的場景文本識別方法，還沒有相關專利或文獻的報道。

發明內容

本發明的目的在于針對當前場景文本識別中字符分類器的特征提取不能有效表達字符結構信息等問題，提供一種基于稀疏編碼特征的場景文本識別方法。

本發明包括如下步驟：

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；