[发明专利]基于合成数据的文本检测方法及装置

说明书

本发明实施例公开了一种基于合成数据的文本检测方法，包括：对包含有单字图像数据集的正样本与包含有非文本图像数据集的负样本进行深度神经网络训练，得到文本检测的全卷积神经网络模型；利用文本检测的全卷积神经网络模型得到待检测图像的灰度图的概率图并进行阈值二值化，得到二值化概率图；对二值化概率图与待检测图像的灰度图进行图像操作，得到除去非文本背景区域的图像，并在该除去非文本背景区域的图像中提取候选文本框；获取不同尺度下的除去非文本背景区域的待检测图的候选文本框，形成候选文本框集，并利用分类器对其进行过滤，得到最终的文本框；本发明实施例同时还公开了一种基于合成数据的文本检测装置。

技术领域

本发明涉及图像检测领域，尤其涉及一种基于合成数据的文本检测方法及装置。

背景技术

随着图像采集设备，如照相机、可拍照手机、掌上电脑等在人们日常生活中的广泛使用，基于图像内容的图像检测技术受到了越来越多的重视；在图像所包含的内容当中，文本信息由于更容易被人类和计算机理解，因而受到了极大的关注。

对于场景图像中的文本检测，目前较为流行的方法是利用深度学习技术进行文本检测，主要包括基于区域的方法和基于像素的方法；该方法在利用全卷积神经网络得到文字的概率图之后，直接利用文字各尺度的概率图进行非极大值抑制，得到最终检测结果；这种方法没有充分利用原始图像的信息，其检测结果极易受到概率图中异常概率点的影响，从而产生较多偏差，检测结果不精确。

发明内容

有鉴于此，本发明实施例期望提供一种基于合成数据的文本检测的方法及装置，以实现场景图像中文本的检测，提高检测的精度和准确度。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供一种基于合成数据的文本检测方法，所述方法包括：

对包含有单字图像数据集的正样本与包含有非文本图像数据集的负样本进行深度神经网络训练，得到文本检测的全卷积神经网络模型；

利用所述文本检测的全卷积神经网络模型得到所述待检测图像的灰度图的概率图，并进行阈值二值化，得到二值化概率图；

对所述二值化概率图与所述待检测图像的灰度图进行图像操作，得到除去非文本背景区域的图像，并在所述除去非文本背景区域的图像中提取候选文本框；

获取在不同尺度下的所述除去非文本背景区域的待检测图像的候选文本框，形成候选文本框集，并利用分类器对所述候选文本框集进行过滤，得到最终的文本框。

上述方案中，在所述对包含有单字图像数据集的正样本与包含有非文本图像数据集的负样本进行深度神经网络训练之前，所述方法还包括：

对GB2312标准中的每个一级常用汉字进行倾斜、旋转、透视、加噪声处理，得到所述单字图像数据集。

上述方案中，所述对包含有单字图像数据集的正样本与包含有非文本图像数据集的负样本进行深度神经网络训练，得到文本检测的全卷积神经网络模型，包括：

对包含有单字图像数据集的正样本与包含有非文本图像数据集的负样本进行深度神经网络训练，得到文本和非文本分类模型；

将所述文本和非文本分类模型的全连接层转化为卷积层，得到文本检测的全卷积神经网络模型。

上述方案中，所述利用所述文本检测的全卷积神经网络模型得到所述待检测图像的灰度图的概率图，并进行阈值二值化，得到二值化概率图，包括：

将所述待检测图像进行灰度处理，得到所述待检测图像的灰度图；

利用所述文本检测的全卷积神经网络模型对所述待检测图像的灰度图进行处理，得到所述待检测图像的灰度图的概率图；