[发明专利]基于新型图像收缩方法的多方向文本检测方法

权利要求书

1.一种基于新型图像收缩方法的多方向文本检测方法，其特征在于步骤如下：

步骤1：对文本图像数据集ICDAR2015的训练集中的每一幅图像进行增强处理，再进行归一化处理，得到训练用数据；所述的增强处理包括随机旋转和随机裁剪；

步骤2：对于训练用数据中每一幅图像，按以下过程完成文本核心区域标签：

首先，按下式计算得到文本实例向内收缩像素值d：

d＝min(x₃-x₀，x₂-x₁，y₁-y₀，y₂-y₃)*T (1)

其中，(x₀，y₀)、(x₁，y₁)、(x₂，y₂)、(x₃，y₃)是标记文本区域的四个端点的横纵坐标值；

然后，将原文本区域的四个端点均向内收缩d个像素，以收缩后的四个端点作为文本核心区域的四个端点，完成文本核心区域标记；

步骤3：将训练用数据中的图像输入到文本检测网络，对网络进行训练，迭代16K次，得到训练好的网络；

所述的文本检测网络的具体处理过程为：将图像输入到特征提取网络，提取得到不同尺度特征图，将不同尺度特征图输入特征融合网络，得到融合后的特征图像；将融合后的特征图像分别输入到文本区域检测头和文本核心区域检测头网络，检测得到文本区域预测图像和文本核心区域预测图像；对文本核心区域预测图像进行二值化处理，再采用cv2.connectedComponents函数进行处理，得到连通域，去除面积小于5像素的连通域，得到预测的文本核心区域；使用广搜BFS算法对预测的文本核心区域进行扩张，再进行填充，将面积小于800像素的实例去除，得到预测的文本区域；分别采用diceloss损失函计算预测的文本区域标签损失和文本核心区域标签损失；

步骤4：将测试集图像输入到步骤3训练好的文本检测网络，预测得到的文本区域即为最终的文本检测结果。

2.如权利要求1所述的一种基于新型图像收缩方法的多方向文本检测方法，其特征在于：所述的特征提取网络采用resnet-50网络，提取得到4个不同尺度依次减小的特征图，分别记为C2、C3、C4、C5；

所述的特征融合网络的具体处理过程为：将C4特征图、卷积网络上采样的C5特征图、卷积网络下采样的C2特征图、卷积网络下采样的C3特征图相加得到特征图S4，将C3特征图、卷积网络上采样的C5特征图、S4特征图、卷积网络下采样的C2特征图相加得到特征图S3，将C2特征图、卷积网络上采样的C5特征图、S4特征图、S3特征图相加得到特征图S2，将C5特征图、S4特征图、S3特征图分别进行卷积网络上采样，使其与特征图S2大小相同，最后将S2特征图、上采样的S3特征图、上采样的S4特征图、上采样的C5特征图相加得到特征图像。

3.如权利要求1或2所述的一种基于新型图像收缩方法的多方向文本检测方法，其特征在于：所述的文本区域检测头网络和文本核心区域检测头网络均采用2层卷积神经网络，包括1个3*3卷积核和1个1*1卷积核。