[发明专利]一种基于形态学梯度多尺度融合的营业执照信息提取方法

说明书

本发明公开了一种基于形态学梯度多尺度融合的营业执照信息提取方法：将营业执照原图依次进行多尺度变换的缩放处理、双边滤波算法去噪和灰度化处理后，得到灰度图；对灰度图进行黑帽运算并按像素取反，得到黑帽图；将灰度图与黑帽图按像素相减，得到边缘增强图；将边缘增强图进行开运算，得到开运算图；用最大极值稳定算法对开运算图检测，得到候选区图；对候选区图进行检测和去重，得到不同尺度的文本区域图；将不同尺度下的文本区域图进行比较，保留各个尺度下都检测到的文本区域，从而提取到图像文本信息。本方法解决了现有的图像处理信息在营业执照信息提取方面的准确度、硬件成本、计算成本不能兼顾的技术问题，大大提高了行政效率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于形态学梯度多尺度融合的营业执照信息提取方法。

背景技术

图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。图像处理技术，是用数学算法对图像进行分析处理，以达到所需结果的技术，一般包括图像压缩、增强、复原、描述和识别几个部分。其中图像识别技术是一个重要的科研领域，它的发展将大大节省人力成本，例如将图像识别技术中的文字检测技术用于行政方面的文件处理，便既能有效缓解公务人员的工作压力，又能提高行政效率。

现有的文字检测技术主要分为两类，一类为基于滑动窗口或连通分量等的传统文字检验技术；另一类为基于深度学习的文字检验技术。

其中，基于滑动窗口或连通分量等的传统文字检测技术，是在几何学的基础上发展出来的图像处理算法，工程应用环境中对硬件要求相对较低，计算成本不大，但准确率低下，不适用于营业执照图像等重要文件的信息提取。

而诸如CTPN、SegLink、EAST等基于深度学习算法的文字检测技术，将神经网络运用于图像处理领域，虽大大提高了文字检测等信息提取的准确率，但由于神经节点及其网络过于复杂，且需要大量数据进行模型训练，因此在工程应用环境中对硬件设备的要求较高，计算成本巨大。

发明内容

本发明的目的在于克服现有技术中的不足，提出了一种基于形态学梯度多尺度融合的营业执照信息提取方法，解决了现有的图像处理信息提取方法的准确度、硬件成本、计算成本不能兼顾的技术问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于形态学梯度多尺度融合的营业执照信息提取方法包括以下步骤：

S1、对营业执照原图进行多尺度变换的缩放处理，得到N幅缩放图，N为正整数，取值根据工程项目所需而设定；

S2、用双边滤波算法对缩放图进行处理，得到去噪平滑图；

S3、对去噪平滑图进行灰度化处理，得到灰度图；

S4、对灰度图进行黑帽运算并按像素取反，得到黑帽图；

S5、将灰度图与黑帽图按像素相减，得到边缘增强图；

S6、对边缘增强图进行数学形态学的开运算，得到开运算图；

S7、用最大稳定极值算法对开运算图进行文本候选区检测，得到候选区图；

S8、对候选区图进行检测，去除重复的文本候选区，得到文本区域图；

S9、将上述N幅不同尺度下的文本区域图进行比较，舍弃只有在特定或部分尺度下才检测到的文本区域，保留各个尺度下都检测到的文本区域，得到最终的文本区域图，提取到图像文本信息。

本发明的有益效果为：使用建立在格论和拓扑学基础上的数学形态学作为本发明方案的理论基础，构成了一套各个步骤环环相扣而又不需耗费大量硬件设备资源的图像处理信息提取方法，用滤波去噪、边缘增强、多尺度变换等方案保障了信息提取的准确性，使得本方法能有效地从营业执照图像中准确地提取出有用信息。