[发明专利]一种基于全卷积网络的多方向文本检测方法

权利要求书

1.一种基于全卷积网络的多方向文本检测方法，其特征在于，所述方法包括下述步骤：

(1)获得待检测图像中的文字条显著区域：

(1.1)对训练图像集中的各文本图像，根据文本在文本图像中的位置，获取各文本图像中的文字条显著区域，得到文字条显著区域集；

(1.2)利用文字条显著区域集训练文本块全卷积网络模型；

(1.3)利用训练得到的文本块全卷积网络模型获取待检测图像中的文字条显著区域；

(2)获取待检测图像中多方向的候选文字条显著区域：

(2.1)在获取的待检测图像的文字条显著区域中提取其中的字符成分；

(2.2)根据步骤(2.1)提供的字符成分，估计获取的待检测图像的文字条显著区域的方向；

(2.3)根据步骤(2.1)提供的字符成分和步骤(2.2)获得的方向，提取待检测图像的候选文字条显著区域，即得到多方向的候选文字条显著区域；

(3)获取待检测图像中多方向的文字条显著区域的位置：

(3.1)获取步骤(2)中所得的待检测图像中多方向的候选文字条显著区域中的字符中心位置；

(3.2)根据步骤(3.1)获取的字符中心位置，获取待检测图像中多方向的文字条显著区域的位置。

2.根据权利要求1所述的基于全卷积网络的多方向文本检测方法，其特征在于，所述步骤(1.3)具体为：利用训练好的文本块全卷积网络模型对待检测图像进行检测，得到一张概率图，概率图中的每个像素点的灰度值表示该像素点是否在文字条显著区域内的概率，概率图中灰度级比阈值TB高的像素点即为图像中文字条显著区域内的像素点，这些像素点连成的区域即为得到的待检测图像中的文字条显著区域。

3.根据权利要求1所述的基于全卷积网络的多方向文本检测方法，其特征在于，所述步骤(2.1)具体为：对步骤(1)中获取的待检测图像中的每个文字条显著区域提取其最大稳定极值区域作为候选的字符成分，并用所得的候选字符成分的面积比和宽高比对得到的候选字符成分进行筛选，排除掉不满足条件的字符成分，对某个文字条显著区域记从该区域提取的字符成分集合为其中，表示在某文字条显著区域中提取的第j个字符成分，表示文字条显著区域中提取的字符成分的个数。

4.根据权利要求2所述的基于全卷积网络的多方向文本检测方法，其特征在于，所述步骤(2.1)具体为：对步骤(1)中获取的待检测图像中的每个文字条显著区域提取其最大稳定极值区域作为候选的字符成分，并用所得的候选字符成分的面积比和宽高比对得到的候选字符成分进行筛选，排除掉不满足条件的字符成分，对某个文字条显著区域记从该区域提取的字符成分集合为其中，表示在某文字条显著区域中提取的第j个字符成分，表示文字条显著区域中提取的字符成分的个数。

5.根据权利要求3所述的基于全卷积网络的多方向文本检测方法，其特征在于，所述步骤(2.2)具体为：根据步骤(2.1)中获取的每个文字条显著区域中提取的字符成分的位置信息，估算该文字条显著区域的方向，其估算的方法如下式所示：

$\mathrm{\θ}r(\∂)=\arg \underset{\mathrm{\θ}}{max}\underset{h}{max}\mathrm{\Φ}(\mathrm{\θ},h)$

其中，Φ(θ,h)表示当该估算的文字条显著区域的中心点位置纵坐标为h、区域方向为θ时在该估算区域内的文字成分的数量，得到的角度即为估算出的该文字条显著区域的方向。