[发明专利]一种去除特定字符串水印的方法及系统

说明书

本发明公开了一种去除特定字符串水印的方法及系统，其特征在于，将待处理图片输入到文字检测模型，检测是否存在字符串水印，若存在字符串水印，则将字符串所在图片区域截取输入文字识别模型中得到相应字符串，利用正则匹配是否存在特定字符串，利用U‑net生成网络将含字符串水印的图片生成为去除字符串水印的图片，再将原图还原，有助于规避风险，高效的解决去除特定字符串水印的问题，保证网站图片符合搜索引擎优化规则，同时可以随时调整规则，快速应用，无需用户或网站编辑操作，极大的提高了效率，提高了用户体验与网站整体质量。

技术领域

本发明涉及利用水印去除领域，特别是涉及一种去除特定字符串水印的方法和系统。

背景技术

目前，电商网站平台上卖家商品展示的方式主要是以图片和文字展示为主，其中图片展示较为直观全面，深得买家的认可。因此，图片展示成为商品展示的主打展示方式之一。

对于电商平台而言，需要通过搜索引擎优化来获取更多流量，因此需要满足搜索引擎规范要求，部分搜索引擎禁止在图片中添加联系方式等水印，因此电商平台原先大量的带水印的图片需去除联系方式等水印，其他水印则可以保留，因此大量的水印图片无法通过模板方式去除，也无法要求客户自己去除特定字符串水印，同时不同时段的需要去除的字符串规则各不相同，这给电商网站平台图片处理带来了极大的挑战。

如对比文件CN202010278085-PDF所示的一种PDF图纸文字识别方法、系统以及设备，采用多种文字检测方法CTPN、Seglink、Textboxes等，其目的都是在PDF中检测出文字区域，采用CNN、CRNN方法识别文字，但传统去水印方法是基于模板的方法，往往针对使用同一模板生成的水印，去除过程也针对于该模板统一去除，往往整张图片所有水印都去除或另一未知模板生成的水印无法去除，无法做到特定字符串去除和不同模板统一去除，鲁棒性差，而本案采用优化的OCR模型，可以识别不同模板生成的不同水印字符串，同时通过正则匹配，可以选定特定的字符串，不会造成图片中所有字符的出去，鲁棒性更强，准确率更高。

此外，对于原始CRNN模型，采用的主干网络为类似VGG的神经网络，同时字符图片要求高度为32，但实际中，VGG网络特征抽取效果不够显著，同时由于字符图片高度设定为32像素，整体分辨率较低，抽取出的字符信息缺失较多，对后续解码影响较大。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供一种去除特定字符串水印的方法和系统。

为解决上述技术问题，本发明提供一种去除特定字符串水印的方法，其特征在于，将待处理图片输入到文字检测模型，检测是否存在字符串水印，若存在字符串水印，则将字符串所在图片区域截取输入文字识别模型中得到相应字符串，利用正则匹配是否存在特定字符串，若存在特定字符串，则将字符串所在图片区域截取输入生成网络中，将该区域字符串去除，包括如下步骤：

步骤一：将待处理图片输入文字检测模型，检测是否存在字符串，若存在字符串，则返回字符串在图片中位置坐标，若不存在字符串，则返回空；

步骤二：若待处理图片含有字符串，则根据步骤一中字符串坐标，在待处理图片中截取相应字符串图片，将字符串图片输入文字识别模型，得到相应字符串；

步骤三：设定相应正则表达式，例如匹配手机号码、匹配邮箱等正则，对步骤二中识别的字符串进行匹配，若匹配成功，则返回字符串所在图片坐标；

步骤四：利用步骤三中匹配成功字符串的坐标，在待处理图片中截取相应图片，输入去水印生成网络，得到去除特定字符串水印的截图，将去除水印的截图还原到原待处理图片中，得到完整的去除特定字符串水印的图片。

所述步骤一中，采用CRAFT文字检测模型对图片中字符串进行检测，若待处理图片存在字符串，则返回字符串所在图片中的坐标；所述CRAFT文字检测模型检测单个字符串及字符串间的连接关系，根据字符串间的连接关系确定文本行。