[发明专利]图像的文本检测方法、装置、存储介质和电子设备

说明书

本申请实施例提供了一种图像的文本检测方法、装置、存储介质和电子设备，涉及图像处理领域，其中，该方法包括：对目标图像进行字符检测，得到多个字符区域，其中，多个字符区域中每个字符区域展示了目标图像上的一个字符；从多个字符区域中识别出多个边缘字符区域，其中，多个边缘字符区域中每个边缘字符区域展示了一个位于一句文本起始位置或者结尾位置的边缘字符；根据字符区域之间的位置关系分别使用每个边缘字符区域对多个字符区域中位于同一文本行中的字符区域进行聚类，得到一个或者多个目标文本行。通过本申请，解决了图像的文本检测的鲁棒性较差的问题，进而达到了提高了图像的文本检测的鲁棒性的效果。

技术领域

本申请实施例涉及图像处理领域，具体而言，涉及一种图像的文本检测方法、装置、存储介质和电子设备。

背景技术

近年来，随着多模态人工智能的快速发展，对OCR（optical characterrecognition，文字识别）的应用也随之深入，光学字符检测OCR提供了一种从图像中提取语义信息的新方式，将光学字符检测应用在TextVQA（Text Visual Question Answering，文本视觉问答任务）、STVQA（Scene Text Visual Question Answering，场景文本视觉问答）、VizWiz-VQA（回答盲人的视觉问题的图像数据集）等多模态领域中，可有效提高多模态任务本身的精度。光学字符检测主要分为两个研究方向，第一是文本检测，旨在将图像中的所有文本（即字符串）框定出来；第二是字符识别，旨在将框定出的区域中存在的字符识别出来。此外还有一些额外的研究领域，如字符串的排序，等等。

在现有的光学文本检测领域中，有PixelLink（基于文本实例分割的文本检测算法），CRAFT（Character Region Awareness for Text Detection，自然场景文本检测），PSENet（Progressive Scale Expansion Network，渐进式尺度扩展网络）等等算法。但是，这些算法对于字符较密集的图像检测场景都可能会出现由于所有的注意力框相邻太近导致处理过程中很难将注意力框重新分开，或者对于训练样本过于依赖等问题，导致算法在检测密集文本时要么会失效，要么只能检测与训练样本相似的图像。这些算法的检测方式鲁棒性都较差。

发明内容

本申请实施例提供了一种图像的文本检测方法、装置、存储介质和电子设备，以至少解决相关技术中图像的文本检测的鲁棒性较差的问题。

根据本申请的一个实施例，提供了一种图像的文本检测方法，包括：

对目标图像进行字符检测，得到多个字符区域，其中，所述多个字符区域中每个字符区域展示了所述目标图像上的一个字符；

从所述多个字符区域中识别出多个边缘字符区域，其中，所述多个边缘字符区域中每个边缘字符区域展示了一个位于一句文本起始位置或者结尾位置的边缘字符；

根据字符区域之间的位置关系分别使用所述每个边缘字符区域对所述多个字符区域中位于同一文本行中的字符区域进行聚类，得到一个或者多个目标文本行。

在一个示例性实施例中，所述从所述多个字符区域中识别出多个边缘字符区域，包括：

根据字符区域之间的衔接关系从所述多个字符区域中识别出候选字符区域，其中，所述候选字符区域是未在全部衔接方向上具有所述衔接关系的字符区域；

从所述候选字符区域中识别具有目标边缘特征的字符区域，得到所述多个边缘字符区域。

在一个示例性实施例中，所述根据字符区域之间的衔接关系从所述多个字符区域中识别出候选字符区域，包括：

识别所述每个字符区域是否在所述全部衔接方向上均对应了衔接字符区域，其中，所述衔接方向包括上方向，下方向，左方向和右方向，所述衔接字符区域是与所述每个字符区域在一个衔接方向上具有衔接关系的字符区域；

将所述多个字符区域中未在所述全部衔接方向上均对应了衔接字符区域的字符区域确定为所述候选字符区域。