[发明专利]基于视觉结构属性的文本定位方法及系统

摘要

本发明属于图像识别技术领域，尤其涉及一种基于视觉结构属性的文本定位方法及系统。本发明从文本视觉属性的角度出发，通过颜色极性差异变换和边缘邻域末端粘合，检测出丰富的封闭边缘，以得到充裕的候选连通元，然后经过文字笔画属性特征和文本群落属性特征筛选，从候选连通元中提取出属于文字的连通元，然后通过多通道融合及去除重复连通元的方法定位出最终的文本。本发明所采用的方法鲁棒性强，适应文字语言类别混杂、字体风格多样、排列方向随机及背景存在干扰等多种情形，定位出的文本可直接提供给OCR软件进行识别，并可提高OCR软件识别率。本发明可应用在图像视频检索、垃圾信息拦截、辅助视觉导航、街景地图定位、工业装备自动化等诸多领域。

主权项

1.一种基于视觉结构属性的文本定位方法，其特征在于，包括如下步骤：RGB颜色极性差异变换：对原始图像进行RGB颜色极性差异变换，得到变换后的图像，所述RGB颜色极性差异变换是将其三个颜色通道中的最低亮度值置零，其他两个通道的亮度值各自保留其相对亮度强度；边缘检测：将变换后的图像的两个颜色通道进行边缘检测，分别得到该两个颜色通道的边缘图像；同时，对原始图像的灰度图像进行边缘检测，得到原始图像的灰度图像的边缘图像；构建连通元：检测每一幅边缘图像中从属于同一目标的边缘，所述同一目标的边缘指视觉上应当连通的边缘，将从属于同一目标，且未连通的边缘连通成一封闭边缘，并将所述封闭边缘所围成的区域作为一连通元，据此在每一幅边缘图像中形成若干连通元，所述连通元包括单层连通元或嵌套型连通元；连通元笔画属性分析：对每一幅边缘图像中的各连通元进行笔画属性分析，将各连通元的笔画属性与预存的文字笔画属性进行比较，根据比较结果从每一幅边缘图像中提取出符合文字笔画属性的连通元；连通元群落属性分析：对从每一幅边缘图像中提取出的符合文字笔画属性的连通元进行群落属性分析，将各连通元的群落属性与预存的文本群落属性进行比较，并根据比较结果从符合文字笔画属性的连通元中提取出符合文本群落属性的连通元；图像融合及文本定位：在同一尺度下将从三幅边缘图像中提取出的符合文字笔画属性及文本群落属性的连通元融合到一幅边缘图像中，在融合的过程中去除重复的连通元，将融合后的边缘图像中的各连通元作为文本。