[发明专利]一种基于几何特征的文本检测后处理方法

说明书

本发明提供一种基于几何特征的文本检测后处理方法，所述后处理方法用于对原始预测框进行后处理，所述原始预测框通过深度学习文本检测方法得到，所述后处理方法包括如下步骤：S1、基于背景去除算法，在不改变预测框与字符区域交集面积的情况下将预测框中的多余背景进行去除；S2、基于候选框扩张算法，将得到的预测框进行一定规律的扩张，使它能够完全的提取出字符区域；S3、基于不标准框去除算法，对不标准的预测框进行去除；S4、基于重复框去除算法，将得到的重复预测框进行去除，得到最终的预测框。该方法可以有效解决文本检测时字符误认，检测偏离，重叠检测等问题，使检测结果更加优异。

技术领域

本发明主要涉及文档图像处理相关技术领域，具体是一种基于几何特征的文本检测后处理方法。

背景技术

文档图像是信息的重要载体，在日常生活中发挥着重要作用。随着数字化在各个领域的广泛应用，人类希望机器也能模仿人类阅读书籍的能力，于是光学字符识别技术OCR(Optical Character Recognition)应运而生。而文本检测是字符识别技术OCR不可缺少的一部分，对后续的文本识别至关重要。高效准确的文本检测在文档图像领域有着重要的应用，包括字符识别系统，图像的多语言翻译，人机交互等。

目前深度学习文本检测方法主要是通过深度学习模型更新实现精确地定位。它一般分为两个步骤，第一步是根据训练好的模型进行预测得到候选框，此时得到的候选框往往很多有着互相重叠的区域，因此，为了在得到的候选框中找出最优的候选框往往需要进行第二步，也就是通过后处理得到最终预测框来实现精确地定位。但是在实际应用中，得到最终预测框往往还达不到非常精确的定位，所以很多算法还进行了其它后处理，例如合并相邻的候选框。

现在的深度学习文本检测方法针对后处理的较少，得到的预测框一般情况可以得到较好的检测效果，但是也有很多细节是没有处理到位的。例如：1)字符误认(将两个字符错误的认为是一个字符，将标点符号或其它不属于字符的区域错误的认为是字符)，2)检测偏离(一个字符只检测出一半)，3)重叠检测(多个检测框检测到同一字符)。

发明内容

为解决目前技术的不足，本发明结合现有技术，从实际应用出发，提供一种基于几何特征的文本检测后处理方法，该方法可以有效解决字符误认，检测偏离，重叠检测等问题，使检测结果更加优异。

本发明的技术方案如下：

一种基于几何特征的文本检测后处理方法，所述后处理方法用于对原始预测框进行后处理，所述原始预测框通过深度学习文本检测方法得到，所述后处理方法包括如下步骤：

S1、基于背景去除算法，在不改变预测框与字符区域交集面积的情况下将预测框中的多余背景进行去除，背景去除算法是通过像素阈值对字符区域与背景区域进行分离，根据阈值确定字符区域，进而更新预测框坐标；

S2、基于候选框扩张算法，将得到的预测框进行一定规律的扩张，使它能够完全的提取出字符区域，候选框扩张算法是通过像素阈值判断边缘像素中是否有属于字符区域的像素，根据阈值确定字符区域像素范围后，若字符边缘像素中有小于阈值的像素，则判断属于字符区域像素，对边缘进行扩张，进而更新预测框坐标；

S3、基于不标准框去除算法，对不标准的预测框进行去除，不标准框去除算法是通过设定的坐标面积阈值以及计算出来的每一个预测框坐标面积判断预测框是否属于标准框，若满足条件，即预测框坐标面积小于最大面积阈值同时大于最小面积阈值，则判断此坐标属于标准框，反之则不属于，进而更新预测框坐标；

S4、基于重复框去除算法，将得到的重复预测框进行去除，得到最终的预测框，重复框去除算法是通过新建一个空集合，通过判断空集合中是否存在经过不标准框去除算法更新后的预测框坐标集合中的坐标决定是否将经过不标准框去除算法更新后的预测框坐标集合保存到该新建的空集合中，进而更新预测框坐标。

进一步，步骤S1中，背景去除使用的像素阈值基于自适应阈值算法计算，计算公式如下：