[发明专利]弯曲文本图像的文字识别方法、装置及计算机设备

说明书

本发明公开了一种弯曲文本图像的文字识别方法、装置及计算机设备，该方法包括：若接收到用户输入的文本图像，对文本图像进行预处理，得到预处理后的文本图像；将预处理后的文本图像进行特征提取，得到文本图像的特征金字塔；对特征金字塔中每层特征图进行图像分割处理，得到文本图像的多张分割掩码图；根据广度优先搜索算法对文本区域最小的分割掩码图进行扩展，得到可框定文本图像中所有字符的第一文本框；将文本框进行仿射变换，得到仿射变换后的第二文本框；将仿射变换后的第二文本框内的文字进行分类识别，得到文本图像中的文字。本发明基于OCR识别技术，通过该方法不仅可以对图像中的文本进行准确的框定，而且提高了文字识别的准确率。

技术领域

本发明属于人工智能的文字识别技术领域，尤其涉及一种弯曲文本图像的文字识别方法、装置及计算机设备。

背景技术

OCR技术是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。现有技术中，在对自然场景下的图像进行文字识别时，由于图像中的文本通常会被设计成弯曲的形状，导致现有的OCR技术中无法通过矩形边界框对图像中的文本进行框定，严重影响文字识别的准确率。

发明内容

本发明实施例提供了一种弯曲文本图像的文字识别方法、装置及计算机设备，旨在解决现有的文本图像中的弯曲文本无法通过矩形边界框进行框定，导致文本图像中的文字识别的准确率低的问题。

第一方面，本发明实施例提供了一种弯曲文本图像的文字识别方法，其包括：

若接收到用户输入的文本图像，根据预设的第一处理规则对所述文本图像进行预处理，得到预处理后的文本图像；

将所述预处理后的文本图像进行特征提取，得到所述文本图像的特征金字塔；

根据预设的第二处理规则对所述特征金字塔中每层特征图进行图像分割处理，得到所述文本图像的多张分割掩码图；

根据广度优先搜索算法对所述多张分割掩码图中文本区域最小的分割掩码图进行扩展，得到已框定所述文本图像中所有字符的第一文本框；

将所述第一文本框进行仿射变换，得到仿射变换后的第二文本框；

将所述仿射变换后的第二文本框内的文字进行分类识别，得到所述文本图像中的文字。

第二方面，本发明实施例提供了一种弯曲文本图像的文字识别装置，其包括：

预处理单元，用于若接收到用户输入的文本图像，根据预设的第一处理规则对所述文本图像进行预处理，得到预处理后的文本图像；

特征提取单元，用于将所述预处理后的文本图像进行特征提取，得到所述文本图像的特征金字塔；

分割单元，用于根据预设的第二处理规则对所述特征金字塔中每层特征图进行图像分割处理，得到所述文本图像的多张分割掩码图；

第一扩展单元，用于根据广度优先搜索算法对所述多张分割掩码图中文本区域最小的分割掩码图进行扩展，得到已框定所述文本图像中所有字符的第一文本框；

仿射变换单元，用于将所述第一文本框进行仿射变换，得到仿射变换后的第二文本框；

识别单元，用于将所述仿射变换后的第二文本框内的文字进行分类识别，得到所述文本图像中的文字。

第三方面，本发明实施例又提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面所述的弯曲文本图像的文字识别方法。