[发明专利]一种识别弯曲多行文本图像的方法与设备

说明书

本申请的目的是提供一种识别弯曲多行文本图像的方案。该方案先获取待处理的文本图像，检测所述文本图像是否存在倾斜、弯曲等情况，对于存在倾斜、弯曲等情况的所述文本图像进行矫正处理，然后提取所述文本图像的图像特征并进行融合处理，得到融合特征图，对所述融合特征图进行空洞卷积操作，得到图像特征图，对所述图像特征图进行卷积和激活操作后，再将所述图像特征图输入长短期记忆网络，得到识别结果。与现有技术相比，本申请可以有效地解决文字倾斜、弯曲，文字图像较小，特征信息在文本图像中占比例小和多行文字识别的问题，提高了特征提取的有效性，实用性强，识别效率高。

技术领域

本申请涉及信息技术领域，尤其涉及一种识别弯曲多行文本图像的技术。

背景技术

文本图像在我们的生活和工作中无处不在，随着计算机硬件和视觉识别技术的高速发展，在某些场景中，依赖计算机视觉进行文本图像的识别技术已取代大量的人力，提高了工作效率，节省了大量成本。但由于场景文本的复杂性，文本定位存在文本多角度、多尺度、多分辨率等问题，例如文字有部分遮挡或者模糊，现有的CRNN(ConvolutionalRecurrent Neural Network，卷积循环神经网络)的框架，主要是CNN(ConvolutionalNeural Networks，卷积神经网络)提取图像特征，然后沿着高的方向,将图像转换成一个个特征序列作为LSTM(Long Short-Term Memory Network，长短期记忆网络)的每一步输入，然后将LSTM的每一步输出作为识别结果进行CTC(Connectionist temporalclassification，连接主义时间分类)的转录。由于切分图像的操作为将特征图进行等比例切分，CRNN并不能很好地处理弯曲或者倾斜的样本和多行文本，且对文本图像的抗干扰能力比较弱。

发明内容

本申请的一个目的是提供一种识别弯曲多行文本图像的方法与设备。

根据本申请的一个方面，提供了一种识别弯曲多行文本图像的方法，其中，该方法包括：

获取待处理的文本图像；

检测所述文本图像是否存在倾斜或弯曲的情况，若存在，对所述文本图像进行矫正处理；

提取所述文本图像的图像特征并进行融合处理，得到融合特征图，对所述融合特征图进行空洞卷积操作，得到图像特征图；

对所述图像特征图进行卷积和激活操作后，将所述图像特征图输入长短期记忆网络，得到识别结果。

根据本申请的另一个方面，还提供了一种识别弯曲多行文本图像的设备，其中，该设备包括：

输入模块，用于获取待处理的文本图像；

图像矫正模块，用于检测所述文本图像是否存在倾斜或弯曲的情况，若存在，对所述文本图像进行矫正处理；

特征融合模块，用于提取所述文本图像的图像特征并进行融合处理，得到融合特征图，对所述融合特征图进行空洞卷积操作，得到图像特征图；

识别模块，用于对所述图像特征图进行卷积和激活操作后，将所述图像特征图输入长短期记忆网络，得到识别结果。

根据本申请的又一个方面，还提供了一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行所述的识别弯曲多行文本图像的方法。

根据本申请的又一个方面，还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现所述的识别弯曲多行文本图像的方法。