[發(fā)明專利]一種文字檢測方法

在審

• 申請?zhí)枺?/td>: 201711267804.8
• 申請日: 2017-12-05
• 公開（公告）號: CN108038486A
• 公開（公告）日: 2018-05-15
• 發(fā)明（設(shè)計）人: 巫義銳;黃多輝;馮鈞
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/40;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開了一種文字檢測方法，該方法包括：提取待檢測文字圖片的極值區(qū)域，對極值區(qū)域進(jìn)行過濾，得到字符候選區(qū)域；計算MSSH特征、深度卷積特征，通過自編碼神經(jīng)網(wǎng)絡(luò)將MSSH特征、深度卷積特征融合，得到融合特征；根據(jù)融合特征進(jìn)一步從字符候選區(qū)域中篩選出字符區(qū)域；合并所有字符區(qū)域得到最終的文字區(qū)域。本發(fā)明檢測方法具有很強(qiáng)的魯棒性，檢測效率高，可以快速完成文字檢測任務(wù)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種文字檢測方法。

背景技術(shù)

文字作為人類最具影響力的發(fā)明之一，在人類生活中發(fā)揮了重要作用。文字中所包含的豐富而精確的信息，對基于視覺語義的自然場景理解應(yīng)用具有重大意義。越來越多的多媒體應(yīng)用程序，例如街道場景理解，無人駕駛汽車對于交通標(biāo)識的理解和基于語義的圖像檢索等，均需要準(zhǔn)確而魯棒的文字檢測。文字檢測的基本任務(wù)在于確定場景圖像與視頻中是否存在文字，如果存在，則標(biāo)記它的位置。近年來，隨著圖像獲取設(shè)備能力和數(shù)量的增加，包含場景文字的圖像與視頻數(shù)量相較于過去急劇增加。因此，在自然場景圖像與視頻中進(jìn)行文字檢測已經(jīng)受到越來越多的關(guān)注。隨著計算機(jī)視覺相關(guān)技術(shù)的逐步深入研究，如何利用計算機(jī)算法進(jìn)行場景文字檢測已經(jīng)成為重要和活躍的國際性前沿課題之一。

低質(zhì)量和復(fù)雜背景的場景文字檢測與識別極具挑戰(zhàn)性。場景文字常具有分辨率低、復(fù)雜背景、任意方向、透視變形和光照不均勻等特性，而文檔文字擁有統(tǒng)一的格式與單一的背景。

發(fā)明內(nèi)容

本發(fā)明在于克服現(xiàn)有技術(shù)中的不足，提供一種文字檢測方法，解決現(xiàn)有技術(shù)中文字檢測成功率低、魯棒性不強(qiáng)的技術(shù)問題。

為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：一種文字檢測方法，該方法包括如下步驟：

提取待檢測文字圖片的極值區(qū)域，對極值區(qū)域進(jìn)行過濾，得到字符候選區(qū)域；

計算MSSH特征、深度卷積特征，通過自編碼神經(jīng)網(wǎng)絡(luò)將MSSH特征、深度卷積特征融合，得到融合特征；

根據(jù)融合特征進(jìn)一步從字符候選區(qū)域中篩選出字符區(qū)域；

合并所有字符區(qū)域得到最終的文字區(qū)域。

提取極值區(qū)域的具體方法如下：

將待檢測文字圖片轉(zhuǎn)化為灰度圖Igray、R值圖IR、G值圖IG和B值圖IB；

分別對IR，IG，IB求極值區(qū)域，具體如下：

R值圖IR的極值區(qū)域AR定義為：

其中IR(p)表示R值圖中像素點(diǎn)p的值；IR(q)表示R值圖中像素點(diǎn)q的值；θ表示極值區(qū)域的閾值；表示與極值區(qū)域AR相鄰但不屬于極值區(qū)域AR的像素集合；