[發(fā)明專(zhuān)利]一種基于譜聚類(lèi)的自然場(chǎng)景漢字分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911088817.8
• 申請(qǐng)日: 2019-11-08
• 公開(kāi)（公告）號(hào): CN111062393B
• 公開(kāi)（公告）日: 2021-12-17
• 發(fā)明（設(shè)計(jì)）人: 趙凡;楊林林;張琳;聞治泉;武吉梅
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安理工大學(xué)
• 主分類(lèi)號(hào): G06K9/34
• 分類(lèi)號(hào): G06K9/34;G06K9/62
• 代理公司: 西安弘理專(zhuān)利事務(wù)所 61214
• 代理人: 燕肇琪

本發(fā)明公開(kāi)了一種基于譜聚類(lèi)的自然場(chǎng)景漢字分割方法，具體為：首先，采用深度學(xué)習(xí)方法對(duì)場(chǎng)景圖像進(jìn)行文字區(qū)域定位，實(shí)現(xiàn)快速準(zhǔn)確的文本框檢測(cè)；其次，利用文字的強(qiáng)紋理性提取場(chǎng)景圖像的顯著圖，在顯著圖上再進(jìn)行MSER檢測(cè)得到各個(gè)連通的漢字筆畫(huà)、偏旁部首和英文字母，即一系列的字符候選框；再利用在圖像中的幾何位置關(guān)系得到各文本框中包含的字符框集合，并對(duì)各文本框中包含的字符框集合建立對(duì)應(yīng)的無(wú)向圖；最后，對(duì)各個(gè)無(wú)向圖采用譜聚類(lèi)進(jìn)行分割，對(duì)各分割結(jié)果按照類(lèi)間密度和類(lèi)內(nèi)散度之和達(dá)到最小找到最優(yōu)的聚類(lèi)結(jié)果，即為文本框中分割的各個(gè)漢字或英文字母。該方法在很大程度上可以提高漢字分割的準(zhǔn)確度，進(jìn)而提高中文的識(shí)別率。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于譜聚類(lèi)的自然場(chǎng)景漢字分割方法。

背景技術(shù)

傳統(tǒng)的文字識(shí)別技術(shù)主要應(yīng)用于背景簡(jiǎn)單和文字排列整齊、遠(yuǎn)近、大小和顏色相同的文檔圖像，與文檔圖像相比，自然場(chǎng)景中出現(xiàn)的文字在字體、大小、顏色、方向、位置方面更具多樣性以及常受模糊、污染、遮擋等因素的影響，從而導(dǎo)致自然場(chǎng)景中文字的識(shí)別挑戰(zhàn)性更大。圖像和視頻中的文本檢測(cè)和識(shí)別技術(shù)有著廣泛的應(yīng)用前景，騰訊、百度、阿里、微軟、亞馬遜、谷歌等很多世界頂點(diǎn)公司也已經(jīng)開(kāi)始提供一些圖像文字檢測(cè)和識(shí)別的相關(guān)服務(wù)，但是在這個(gè)熱門(mén)研究領(lǐng)域里，盡管有大量的公開(kāi)數(shù)據(jù)，但大部分都是英文文本。英文單詞中的各個(gè)字母都是連通的，而漢字的偏旁部首和筆畫(huà)大都是不連通的，這就給漢字的分割和識(shí)別帶來(lái)更大的技術(shù)難度。如何利用漢字的間架結(jié)構(gòu)特點(diǎn)，研究漢字的分割方法以提升漢字的分割精度和漢字的識(shí)別率有著非常重要的意義。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于譜聚類(lèi)的自然場(chǎng)景漢字分割方法，解決了現(xiàn)有技術(shù)中難以將漢字準(zhǔn)確分割的問(wèn)題。

本發(fā)明所采用的技術(shù)方案是，一種基于譜聚類(lèi)的自然場(chǎng)景漢字分割方法，具體按照以下步驟實(shí)施：

步驟1、在官方數(shù)據(jù)集ICDAR2017-RCTW-17、MSRA-TD500、ICDAR2017-MLT下載或拍攝一張包含漢字的彩色場(chǎng)景圖像Img₁，對(duì)Img₁進(jìn)行尺度變換，尺度因子為(s_w,s_h)，其中和得到圖像Img₂，w'和h'分別為圖像Img₂的寬和高，w和h分別為圖像Img₁的寬和高；

步驟2、把圖像Img₂作為輸入，送入文本檢測(cè)網(wǎng)絡(luò)模型Model_e2e-mlt，得到檢測(cè)的文本框集合B'＝{b'_j|j＝1,2,…N1}，其中N1表示文本框總個(gè)數(shù)，對(duì)文本框集合B'中的各個(gè)文本框位置和大小根據(jù)尺度因子進(jìn)行尺度變換得到B＝{b_j|j＝1,2,…N1}，b_j表示Img₁中檢測(cè)到的第j個(gè)文本框，b_j的四個(gè)頂點(diǎn)為

步驟3、把Img₁作為輸入，送入顯著圖提取算法Saliency-Processing()，計(jì)算得到顯著圖S_Img，把S_Img作為輸入，調(diào)用開(kāi)源的Opencv庫(kù)函數(shù)mser.detectRegions()，計(jì)算得到MSER(Maximally Stable Extremal Regions)集合,即字符候選框集合C'＝{c'_i|i＝1,2,…N2}，c'_i表示第i個(gè)字符候選框，N2表示字符候選框總個(gè)數(shù)，為字符候選框c'_i的中心點(diǎn)坐標(biāo)；

步驟4、利用b_j和c'_i在圖像中的幾何位置關(guān)系計(jì)算文本框b_j中的字符候選框集合，記為表示第j個(gè)文本框b_j中第m個(gè)字符候選框；m∈[1,N_j]，N_j表示文本框b_j中包含的字符候選框總個(gè)數(shù)；