[發明專利]一種去除特定字符串水印的方法及系統

有效

• 申請號: 202010943900.5
• 申請日: 2020-09-09
• 公開（公告）號: CN112070649B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 成俊杰;呂晨;王永哲;房鵬展
• 申請（專利權）人: 焦點科技股份有限公司
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T3/00;G06V30/413;G06F16/903;G06N3/04;G06N3/08
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 陳建和

本發明公開了一種去除特定字符串水印的方法及系統，其特征在于，將待處理圖片輸入到文字檢測模型，檢測是否存在字符串水印，若存在字符串水印，則將字符串所在圖片區域截取輸入文字識別模型中得到相應字符串，利用正則匹配是否存在特定字符串，利用U?net生成網絡將含字符串水印的圖片生成為去除字符串水印的圖片，再將原圖還原，有助于規避風險，高效的解決去除特定字符串水印的問題，保證網站圖片符合搜索引擎優化規則，同時可以隨時調整規則，快速應用，無需用戶或網站編輯操作，極大的提高了效率，提高了用戶體驗與網站整體質量。

技術領域

本發明涉及利用水印去除領域，特別是涉及一種去除特定字符串水印的方法和系統。

背景技術

目前，電商網站平臺上賣家商品展示的方式主要是以圖片和文字展示為主，其中圖片展示較為直觀全面，深得買家的認可。因此，圖片展示成為商品展示的主打展示方式之一。

對于電商平臺而言，需要通過搜索引擎優化來獲取更多流量，因此需要滿足搜索引擎規范要求，部分搜索引擎禁止在圖片中添加聯系方式等水印，因此電商平臺原先大量的帶水印的圖片需去除聯系方式等水印，其他水印則可以保留，因此大量的水印圖片無法通過模板方式去除，也無法要求客戶自己去除特定字符串水印，同時不同時段的需要去除的字符串規則各不相同，這給電商網站平臺圖片處理帶來了極大的挑戰。

如對比文件CN202010278085-PDF所示的一種PDF圖紙文字識別方法、系統以及設備，采用多種文字檢測方法CTPN、Seglink、Textboxes等，其目的都是在PDF中檢測出文字區域，采用CNN、CRNN方法識別文字，但傳統去水印方法是基于模板的方法，往往針對使用同一模板生成的水印，去除過程也針對于該模板統一去除，往往整張圖片所有水印都去除或另一未知模板生成的水印無法去除，無法做到特定字符串去除和不同模板統一去除，魯棒性差，而本案采用優化的OCR模型，可以識別不同模板生成的不同水印字符串，同時通過正則匹配，可以選定特定的字符串，不會造成圖片中所有字符的出去，魯棒性更強，準確率更高。

此外，對于原始CRNN模型，采用的主干網絡為類似VGG的神經網絡，同時字符圖片要求高度為32，但實際中，VGG網絡特征抽取效果不夠顯著，同時由于字符圖片高度設定為32像素，整體分辨率較低，抽取出的字符信息缺失較多，對后續解碼影響較大。

發明內容

本發明所要解決的技術問題是克服現有技術的不足，提供一種去除特定字符串水印的方法和系統。

為解決上述技術問題，本發明提供一種去除特定字符串水印的方法，其特征在于，將待處理圖片輸入到文字檢測模型，檢測是否存在字符串水印，若存在字符串水印，則將字符串所在圖片區域截取輸入文字識別模型中得到相應字符串，利用正則匹配是否存在特定字符串，若存在特定字符串，則將字符串所在圖片區域截取輸入生成網絡中，將該區域字符串去除，包括如下步驟：

步驟一：將待處理圖片輸入文字檢測模型，檢測是否存在字符串，若存在字符串，則返回字符串在圖片中位置坐標，若不存在字符串，則返回空；

步驟二：若待處理圖片含有字符串，則根據步驟一中字符串坐標，在待處理圖片中截取相應字符串圖片，將字符串圖片輸入文字識別模型，得到相應字符串；

步驟三：設定相應正則表達式，例如匹配手機號碼、匹配郵箱等正則，對步驟二中識別的字符串進行匹配，若匹配成功，則返回字符串所在圖片坐標；

步驟四：利用步驟三中匹配成功字符串的坐標，在待處理圖片中截取相應圖片，輸入去水印生成網絡，得到去除特定字符串水印的截圖，將去除水印的截圖還原到原待處理圖片中，得到完整的去除特定字符串水印的圖片。

所述步驟一中，采用CRAFT文字檢測模型對圖片中字符串進行檢測，若待處理圖片存在字符串，則返回字符串所在圖片中的坐標；所述CRAFT文字檢測模型檢測單個字符串及字符串間的連接關系，根據字符串間的連接關系確定文本行。