[发明专利]用于OCR的基于文本图像质量的反馈

说明书

对相关申请案的交叉参考

本申请案主张2013年3月15日申请且题目为“用于改善OCR的基于文本图像质量的反馈(Text Image Quality Based Feedback For Improving OCR)”的美国申请案第13/843,637号的优先权，所述美国申请案又主张2012年12月13日在印度专利局申请且题目为“用于改善OCR的基于文本图像质量的反馈(Text Image Quality Based Feedback For Improving OCR)”的印度临时专利申请案第5200/CHE/2012号的优先权，所述两个申请案被以引用的方式全部并入本文中。

技术领域

本专利申请案涉及用于在自然图像或视频帧中识别文本的字符的装置和方法。

背景技术

识别经光学扫描(例如，通过光复印机的平面扫描器)的纸中的文本区域显著比在可在图像(也称为“自然图像”)中捕捉的或在由具有内置式数码相机的手持式装置(例如，智能电话)实时捕捉的视频帧中的现实世界的场景中检测可含有文本的区域更容易(例如，归因于竖直定向、大的尺寸和缓慢速度)。具体来说，现有技术的光学字符辨识(OCR)方法来源于文档处理领域，其中文档图像在文档中含有光学扫描页面的一连串文本行(例如，30行文本)。文档处理技术虽然成功地用于由光学扫描仪创建的经扫描的文档上，但却产生过多的假阳性和/或假阴性，以致当用于含有呈各种字体(归因于照明、色彩、倾斜、焦点、字体等的变化)的文本的自然图像(例如，交通标识、商店门面、车辆牌照)上时不可行。

图1说明在印度的现实世界场景100中的告示牌。用户110(见图1)可使用装备有相机的移动装置(例如，蜂窝式电话)108来捕捉场景100的图像107(也称为“自然图像”或“现实世界图像”)。相机捕捉的图像107可显示在移动装置108的屏幕106上。此图像107(图1)在使用现有技术图像处理技术经直接处理的情况下可导致未能辨识区域103(图1)中的一或多个字词。然而，当图像质量针对上文提到的一或多个原因(例如，归因于照明、色彩、倾斜、焦点、字体等的变化)而不良时，现有技术方法的使用可造成问题。

因此，存在在识别自然图像或视频帧中的文本的区域的块中的字符前改善图像质量的需求，如下所描述。

发明内容

在所描述实施例的若干方面中，一种电子装置和方法使用具有一或多个大小的相同文本的多个图像来改善文本辨识。具体来说，电子装置和方法获得由相机(例如，在例如智能电话或平板计算机的手持式装置中)在多个变焦等级下捕捉的多个图像或视频帧(也称为“图像”)中的区域，且确定图像中的区域是否满足测试。由电子装置和方法使用的测试指示区域中的文本的存在，且也称为“文本存在”测试。此文本存在测试可检测(例如)表示标头行(在梵文本母中也称为“shiro-rekha”)的共用二进制值的一行像素的存在，和/或笔划或标志符号的宽度的方差(指示区域中的字符的存在)。如果所述区域含有文本和/或非文本，那么在其不为电子装置和方法所知的阶段应用“文本存在”测试。注意，在若干实施例中，将“文本存在”测试个别地应用于每一区域，且因此，此测试为区域级测试(且并非图像级测试)。

因此，在获得含有一或多个大小的文本的场景的多个图像后，从多个图像中的每一者自动提取一或多个区域，接着为应用上文所描述的类型的测试以识别有可能为文本的区域(也称为“潜在文本区域”或简单地“文本区域”)。接着，所述电子装置和方法分析与如从多个图像中的一或多者提取的第一文本区域的一或多个版本中的OCR相关的属性(在以上描述的测试前或后)。此属性的一个实例为第一文本区域的高度。如果因为第一文本区域的属性不符合光学字符辨识(OCR)的限制(例如，如果第一文本区域的高度低于对于OCR所需的的最小数目个像素，例如，40个像素)而一个图像中的第一文本区域具有对于文本辨识不可接受的属性的值，那么类似地分析同一场景的另一图像。注意，在若干实施例中检查的图像的质量个别地处于每一区域中，且因此此检查为区域级检查(且非图像级检查)。因此，在这些实施例中可提供的反馈处于区域级(非图像级)。