[发明专利]一种带有文本方向校正的英文文本检测方法

说明书

本发明属于图像处理技术领域，具体为一种带有文本方向校正的英文文本检测方法；所述方法包括：分别对英文文本图像各个通道的进行最大稳定极值区域检测，得出候选文本区域；建立基于卷积神经网络模型的分类器，过滤错误的候选文本区域，获得初步文本区域；利用双层文本分组算法将所述初步文本区域分组；将分组后的初步文本区域进行方向校正，从而获得校正文本；本发明采用一种增强的多通道MSER模型：以得到更精细的文本区域；引入并行SPP‑CNN分类器来更好地区分文本区域和非文本区域，可以处理任意大小的图像，且可在多尺度下提取池特征，从而可以通过源图像的多层空间信息来了解更多的特征；本发明可以处理略微倾斜的场景文本。

技术领域

本发明属于图像处理技术领域，具体为一种带有文本方向校正的英文文本检测方法。

背景技术

自然场景图像中的文本具有准确、丰富的信息，这对于图像分析、基于图像的翻译、图像搜索等具有重要意义。在过去的20年里，研究人员提出了一些在自然场景图像中检测文本的方法。有许多基于内容的多媒体理解应用，如自动视觉分类、图像检索、辅助导航、多语言翻译、对象识别和面向消费者的应用。

场景文本检测面临的关键问题是:(1)文档图像中的文本具有常规字体，相似颜色，均匀大小和均匀排列，但即使在同一场景中，自然场景中的文本也可能具有不同的字体，颜色，比例和方向。(2)自然场景图像的背景可能非常复杂。标志、栅栏、砖块和草地难以与真实文本区分开来，因此容易造成混淆和错误。(3)场景文字图像中的其他干扰因素。如不均匀照明，模糊，半透明效应等。

研究人员提出了许多方法来检测自然场景图像中的文本，并且有两种主要方法。

基于纹理的方法，将文本视为一种特殊类型的纹理，并使用它们的纹理属性，如局部强度、滤波器响应和小波系数来区分图像的文本区域和非文本区域。通常这些方法的计算量很大，因为要扫描所有位置和尺度。此外，这些方法主要处理横向文本，对旋转和缩放非常敏感；

基于组件的方法，将文本视为连通组件，首先通过各种方法(如颜色聚类或极端区域提取)提取文本，然后使用手动设计的规则或自动训练的分类器对非文本组件进行过滤。通常，基于组件的方法更有效，因为要处理的组件数量相对较少。另外，这些方法对旋转，缩放和字体都不敏感。检测候选文本区域(Candidate Text Region，记为CTR)的传统方法有最大稳定极值区域(Maximally Stable Extremal Regions，记为MSER)，该方法对于图像的仿射变化具有很强的鲁棒性，可以有效地提取图像中的文本区域，后有学者改进了MSER的提取算法，使算法的时间复杂度达到线性时间。

这些方法按照区分文本区域和非文本区域的规则或特征，从而将文本区域和非文本区域区别开来，虽然这些方法能够检测出文本，但缺少对英文文本的校正，且对倾斜文本的区分效果并不好，识别出的文本会因为单词的倾斜而存在严重分离。

发明内容

有鉴于此，本发明提出了一种带有文本方向校正的英文文本检测方法，能够有效的识别出文本，并将识别出倾斜文本进行校正，具体包括以下步骤：

S1、分别对英文文本图像的锐化图像各个通道进行最大稳定极值区域检测，从图像中提取MSER作为文本候选；得出候选文本区域；

S2、建立基于卷积神经网络模型的分类器，提取出候选文本区域的特征；利用softmax函数根据候选文本区域的特征，将候选文本区域分为文本类区域和非文本类区域；过滤非文本类区域，获得初步文本区域，即检测出英文文本；

S3、利用双层文本分组算法将所述初步文本区域分组；

S4、将分组后的初步文本区域进行方向校正，从而实现英文文本的校正。

进一步的，所述通道包括：红色通道、绿色通道、蓝色通道、色调通道、饱和度通道、明度通道以及灰通道。