[发明专利]一种基于仿射变换的自由场景文本检测方法

说明书

本发明提供了一种基于仿射变换的自由场景文本检测方法，涉及图像处理领域，本发明将MSER与SWT结合，实现文本检测，之后利用每个字符的外界四边形的顶点，并结合惯性主轴找到反映文本畸变特性的四边形，从而找到仿射参数进行仿射变换，最终实现图像文本的检测和畸变的消除，本发明显著提高文本的准确率，较单一的基于连通区域的文字检测方法，可以提高其召回率和检测效率，进行自动仿射变换，最终实现图像文本的检测和消除，相比其他人工进行仿射变换，大大挺高了工作效率，并且使之后的OCR识别更加准确。

技术领域

本发明涉及图像处理领域，尤其是一种文本区域检测方法。

背景技术

近年来，随着网络技术的不断发展和越来越多便携式数码相机和手机的盛行，图像和视频资源日益丰富，从这些海量图像、视频中获取感兴趣的信息已经成为当前多媒体信息技术研究的热点。图像、视频中的文字包含丰富的语义信息，是理解图像、视频内容的重要线索，提取和识别这种图像、视频中的文字对于图像理解、视频内容分析、基于内容的图像和视频检索等领域具有重要意义。关于文字识别部分，目前，光学字符识别(OpticalCharacter Recognition，OCR)技术虽然经过了长时间发展，可以达到一定的实用性要求，并且很多公司也已经发布了相关的商用软件包。但是当将其用于自然场景图像时，完全达不到预期效果。其中一个关键影响因素是，文本检测结果的精确性降低了整个文字识别系统的性能。场景图像文字检测就是要用矩形区域框正好包围文本区域，其结果决定了识别系统准确性，所以针对场景图像文字检测是非常重要一步，是进行文本识别的前提。但是，由于场景图像的环境因素干扰例如图像背景往往比较复杂，同时拍照状态和角度也可能造成文本区域发生模糊、形变等不良变换，想要快速精确的定位并提取场景图像文本依旧存在较多困难。

基于以上原因，要识别场景图像文本，必须首先对图像进行文字检测并进行消除文字的仿射变换等一些预处理来标定出图像中文字的具体位置，获得局部并且背景相对简单的文本图像块，最后对图像块进行分析。目前文本检测主要可以归纳为三种方法，基于边缘梯度，基于连通域，基于纹理特征进行检测。基于连通域的方法主要利用了字符笔画相互连通和字符颜色的相似性，如RGB阈值化聚类，该方法可检测不同方向排列的文本，但对颜色变化比较敏感，对背景复杂的图像检测效果不佳。基于纹理特征的方法利用了图像中文本区域与背景区域具有不同的纹理特征，根据这些特征可对图像分类，得到文本区域。提取纹理特征的方法有小波分解、Gabor滤波、快速傅里叶变换、离散余弦变换等。基于边缘梯度的方法是利用了文本区域具有比较丰富的边缘信息，而周边背景的边缘信息较少，利用边缘信息来检测文本，如sobel边缘检测，Harris角点检测等方法，但是当图像复杂背景丰富时，角点和边缘检测效果不佳。MSER算法可很好地解决这一问题，MSER检测子具有旋转、尺度和仿射不变性、鲁棒性和准确性等特性，在视角多变、尺度变化的情况下能有效检测文本，检测效率高。

发明内容

为了克服现有技术的不足，针对以上问题，本发明提出一种文本检测方法，将最大稳定极值区域(Maximally Stable Extremal Regions，MSER)与笔画宽度变化(StrokeWidth Transform，SWT)结合，实现自然环境下的文本检测，之后为消除文字畸变，利用每个字符的外界四边形的顶点并结合惯性主轴找到反映文本畸变特性的四边形，从而找到仿射参数进行仿射变换，终实现图像文本的检测和畸变的消除，不但使文本的检测率显著提高，并且使之后的OCR识别更加准确。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1、进行文本检测，具体步骤如下：

步骤1.1、采用MSER检测候选的文本区域

采用MSER算法检测图像，得到候选文本区域I，其中MSER算法的表达式为：

q(i)＝|Q_i+Δ-Q_i-Δ|/|Q_i| (1)