[发明专利]图像处理方法、装置、介质和计算设备

说明书

本发明的实施方式提供了一种图像处理方法。所述图像处理方法包括：将图像输入至神经网络，所述图像包括第一字符信息，通过所述神经网络确定所述第一字符信息的阅读方向，以及基于所述阅读方向，通过所述神经网络将所述图像划分为一个或多个文本行候选区域，其中所述文本行候选区域用于识别所述第一字符信息。本发明实施例的方法能够自动识别图像中的字符信息的阅读方向，然后按照该阅读方向对文本行候选中的字符信息进行识别，适用于各种排版布局等复杂场景下的图像中的文本识别。此外，本发明的实施方式提供了一种图像处理装置、介质和计算设备。

技术领域

本发明的实施方式涉及互联网技术领域，更具体地，本发明的实施方式涉及一种图像处理方法、装置、介质和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前比较常见的文字阅读方向是从左往右，但是在繁体、日文等语言中从上往下的阅读顺序却是常见的。而现有的对图像中的文本进行识别的方法(例如，OCR识别)基本仅仅解决从左往右的横排文本的识别，无法满足以其他方式排布(例如，从上往下)的文本的识别需求。

发明内容

因此在现有技术中，对于图像中包括非横排的文本的识别，是非常令人烦恼的过程。

为此，非常需要一种改进的可以根据文本的阅读方向来识别图像中的字符信息的方法，从而能够识别图像中各种阅读方向的文本，提升图像中的文本识别的整体性能和识别效率。

在本上下文中，本发明的实施方式期望提供一种能够自动识别图像中各种排布方向的字符信息的图像处理方法、装置、介质和计算设备。

在本发明实施方式的第一方面中，提供了一种图像处理方法，包括：将图像输入至神经网络，所述图像包括第一字符信息；通过所述神经网络确定所述第一字符信息的阅读方向；以及基于所述阅读方向，通过所述神经网络将所述图像划分为一个或多个文本行候选区域，其中所述文本行候选区域用于识别所述第一字符信息。

在本发明的一个实施例中，通过所述神经网络确定所述第一字符信息的阅读方向包括：对所述图像进行特征提取，得到共享特征组；对所述共享特征组中每个位置是否为所述文本行候选区域的中心进行分类，获得属于所述文本行候选区域的中心的第一识别位置；以及对所述第一识别位置进行阅读方向分类，得到所述阅读方向。

在本发明的一个实施例中，所述对所述共享特征组中每个位置是否为所述文本行候选区域的中心进行分类，获得属于所述文本行候选区域的中心的第一识别位置，包括获得对所述共享特征组中每个位置的分类结果的置信度，确定所述置信度大于等于阈值的位置为所述第一识别位置，以及确定所述置信度小于所述阈值的位置为与所述图像中的背景区域对应的第二识别位置。

在本发明的一个实施例中，所述基于所述阅读方向，通过所述神经网络将所述图像划分为一个或多个文本行候选区域，包括基于所述共享特征组与所述图像的回归映射，获得所述文本行候选区域在所述图像中的定位信息，以及基于所述定位信息在所述图像中划分出所述文本行候选区域。

在本发明的一个实施例中，所述获得所述文本行候选区域在所述图像中的定位信息，包括获得所述第一识别位置映射至所述图像中的第一坐标，以及获得所述第一字符信息在垂直于所述阅读方向的第二尺寸，设置所述第一字符信息在沿所述阅读方向的尺寸为固定尺寸，其中，所述第一坐标、所述第二尺寸以及所述固定尺寸组成所述定位信息。

在本发明的一个实施例中，所述设置所述第一字符信息在沿所述阅读方向的尺寸为固定尺寸，包括基于所述共享特征组与所述图像的缩放比例，设置所述固定尺寸。

在本发明的一个实施例中，所述方法还包括过滤掉所述共享特征组中的所述第二识别位置，以过滤掉所述图像中的背景区域。