[发明专利]一种基于自启发式策略的自然场景文字检测方法及系统

说明书

本发明公开了一种基于自启发式策略的自然场景文字检测方法及系统，建立两层级联滤波机制以判断文字区域与背景区域，考虑到文字区域在灰度自然场景图像中存在暗底浅字或者浅底暗字两种模式，对文字区域对比度类型进行判断以将灰度自然场景图像中的文字区域的对比度统一为暗底浅字模式；将两层级联滤波处理后判断为文字的结果视为种子文字，针对每一个种子文字构建自启发式搜索策略在其邻近区域，采用训练好的深度神经网络以滑动检测窗口的方式检测漏检文字以提高文字检测召回率，最后将相邻文字以单词为单元分割开来。本发明所公开的自然场景文字检测方法及系统对实现自然场景文字语义自动化理解具有很高的实用价值。

技术领域

本发明属于图像识别领域，特别涉及一种基于自启发式策略的自然场景文字检测方法及系统。

背景技术

文字作为一种极其重要的信息载体在人类文明进程中发挥着极大的促进作用，作为人类语言的可视化载体，文字广泛存在于人类社会的各个方面。近年来，随着计算机视觉技术的快速发展，人类设法使得计算机能够模拟人类的视觉理解机制，对所捕获的图像进行分析并自主理解图像内容、从而获取图像中的重要线索；自然场景中包括了各种场景内容，文字作为一种重要的场景内容具有抽象的描述能力与高度的概括能力。对图像中的文字进行检测与识别将有助于理解图像内容，并获取重要的信息线索。近年来，自然场景文字检测已成为了计算机视觉与模式识别领域中的一个重要研究内容。该技术旨在从所捕获的自然场景图像中自动检测文字区域，从而为后续文字识别与语义理解提供技术支持。该技术在自然场景图像理解、视障人辅助阅读、机器人自主导航、海量视频检索、以及便携式设备文字检测与翻译等方面有着广泛的应用前景。

自然场景文字检测是实现后续文字识别与语义理解的第一步，是整个文字识别系统中的重要组成部分，该技术性能的好坏将直接影响到整个系统识别率的高低。尽管传统的光学字符识别技术(Optical Character Recognition，OCR)已日趋成熟，然而该技术对自然场景文字检测与识别的性能却远未达到实用水平。自然场景图像中的复杂背景、文字字体种类、字体大小、字体排列方向、字体颜色、光照条件以及拍摄角度等因素影响直接导致了难以鲁棒地检测自然场景文字。

基于自然场景文字检测技术的广泛应用前景以及其重要的理论研究价值，该技术引起了国内外学者的广泛关注，文档分析与识别国际会议(International Conference onDocument Analysis and Recognition，ICDAR)定期举行自然场景文字检测竞赛，评估现有技术水平并分析其优劣性。目前，自然场景文字检测方法主要沿用三条技术路线：基于连通组件分析的自然场景文字检测方法、基于纹理特征的自然场景文字检测方法、以及基于连通组件与纹理特征的自然场景文字检测方法。

基于连通组件分析的自然场景文字检测方法，其核心内容是设计快速、有效的连通组件分析器。该方法能快速地实施文字检测，但在处理背景复杂、噪声干扰、光照变化以及颜色多变等情况时缺乏鲁棒性。基于纹理特征的自然场景文字检测方法通常以滑动检测窗口的方式多尺度遍历图像，从而影响了文字检测效率，但该方法能较好地应对复杂背景中的自然场景文字检测问题；基于连通组件与纹理特征的自然场景文字检测方法，该方法通常首先对连通组件进行分析以获得文字候选区域，然后利用文字候选区域的纹理特征采用训练好的分类器进行判别处理，该方法相对于单纯地采用连通组件分析的自然场景文字检测方法更能有效地解决复杂自然场景中的文字检测问题，相对于单纯地采用纹理特征的自然场景文字检测方法在检测效率上有所提高。如前述分析可知，诸多方面因素的影响导致了该技术距实用水平有较大的差距。考虑到自然场景文字检测问题的特殊性与复杂性，如何快速、准确地在复杂自然场景中检测文字是噩待解决的技术难题。

发明内容

本发明提供了一种基于自启发式策略的自然场景文字检测方法及系统，其目的在于，克服现有技术中自然场景中文字检测的检测率不高以及复杂度较高的问题。

一种基于自启发式策略的自然场景文字检测方法，包括以下步骤：