[发明专利]一种快速判断文字微博的方法

说明书

技术领域

本发明公开了一种快速判断文字微博的方法，属于计算机视觉技术领域。

背景技术

微博作为一种新型的信息交互平台，已经拥有非常可观的用户群。但凡任何（群体）事件的发生，都伴随着微博信息的快速转发。由于纯文字易于判断和检测，例如使用关键字，很多微博用户将长段文字块转换成图片（俗称长微博）进行转发和传递。由于图片的识别和检测还不及文字检测匹配的精度，因此给信息安全带来一定的考验。现有的采用文字检测的方法，无法检测图片里面的文字。更加无法使用关键字匹配，给信息安全带来了很大的隐患。此外，目前的图片匹配只能应用简单的物体匹配，无法精确到内嵌文字，更加无法提取关键字。

发明内容

本发明所要解决的技术问题是：针对目前技术的不足之处，利用边角检测算法判断出检测的图片是不是长微博。

本发明为解决上述技术问题采用以下技术方案：一种快速判断文字微博的方法，具体步骤如下：

步骤1. 选取一幅待测图片，检测所述待测图片中的Harris边角点并统计边角点个数；

步骤2. 将待测图片平均分成N个条带，统计每个条带中含有的Harris边角点个数，其中，N的取值为自然数；

步骤3. 判断边角点最多的条带是否包含文字：

（301）如果边角点最多的条带不包含文字，则判断待测图片不包含长段文字；

（302）如果边角点最多的条带包含文字，进入步骤4；

步骤4.判断边角点最多的条带的相邻条带是否包含文字：

（401）如果边角点最多的条带的相邻条带不包含文字，则判断待测图片不包含长段文字；

（402）如果边角点最多的条带的相邻条带包含文字，则判断待测图片包含长段文字。

进一步的，所述步骤3的判断过程，具体如下：

步骤1.统计条带中相邻的2个Harris边角点之间的距离T；

步骤2.统计条带中最左边的Harris边角点与图片左侧边的距离T1，以及条带中最右边的边角点与图片右侧边的距离T2；

步骤3.设定条带的宽度为A，当同时满足下述条件时，判断条带包含文字，否则判断该条带不包含文字：

a.                                                ;

b.;

c.。

进一步的，步骤2中所述的将待测图片沿水平方向平均分成N个条带，N的取值为10。

所述步骤2中，优选将待测图片沿水平方向或竖直方向平均分成N个条带，统计每个条带中含有的Harris边角点个数，其中，N的取值为自然数。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：准确的判断所检测的图片是否属于长微博，进而可以利用目前成熟的OCR技术将长微博图片转换为文字，针对文字进行关键字匹配和检索。

附图说明

图1是本发明所使用检测方法的流程图。

图2是检测条带是否包含文字的判断逻辑示意图。

图3是长微博实例示意图。

图4是未经处理的待检测图片。

图5是待检测图片经Harris检测算法进行兴趣点标注后的示意图。

图6是待检测图片标注后划分为条带进行进一步处理示意图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

普通图片和长微博在内容上有着非常大的区别，主要包括：普通图片有着连续的像素分布，而长微博像素比较单一；普通图片中边角较少（相对整个图片），而长微博由于文字的缘故含有大量的边角。如图3所示，由于大量文字的特性，必然会存在很多边角点。

根据上述的原理描述，由于文字的特征，通常会含有很多的边角（corners）。因此，利用常见的边角检测算法，例如Harris，可以统计一个图像块里面含有的边角数量。当该数量超过一定的阈值之后，可以认定该图片为长微博图片。

在实际实现中，输入图片首先被分为N（例如N可以取10）个不重叠的条带，每个条带占据整个图片宽度，但是1/N的图片高度。对每一分块使用Harris算法提取边角点为兴趣点。统计每个条带中的兴趣点个数，对于兴趣点最多的条带以及该条带相邻的条带，如果这两个条带都满足下面的条件：“该条带中相邻两个兴趣点的水平距离都小于一个阈值”（例如图像宽度的1/70），那么认为这2个条带中都有文字，从而该图像是长微博。

本发明所使用检测方法的流程图如图1所示。

步骤1：读取一幅任意格式的图像；