[发明专利]基于多通道极值区域的自然场景文本检测方法

摘要

本发明涉及一种基于多通道极值区域的自然场景文本检测方法，它利用场景文本的特点结合机器学习的方法，采用多通道的极值区域检测提取候选文本区域，能够检测出更多候选文本，进而提升整体召回率，同时，采用启发式规则与机器学习相结合的方法，去除大量重复区域，运用经典的支持向量机构建单个字符文本和文本行的两个分类器模型，有效的滤除非文本区域，能够较好的提升准确率。本发明系统简单方便，通用性高，运用成熟的算法和特征并结合机器学习方法，能达到较好的检测效果。

主权项

1.一种基于多通道极值区域的自然场景文本检测方法，其特征在于，它包括如下步骤：步骤1：输入待检测RGB图像；步骤2：将待检测RGB图像转换到HSI颜色空间，分别提取HSI颜色空间中待检测图像的色调、饱和度和灰度，并分别对HSI颜色空间中待检测图像的色调、饱和度和灰度取反得到6个单独通道图像；步骤3：对步骤2中的6个单独通道图像分别进行极值区域检测，得到对应的多个初步候选文本区域；步骤4：将图像数据集的训练集中的每张图片依次进行极值区域检测，对每张图片检测时，计算当前检测图片得到的极值区域的面积，将这些极值区域的面积与当前检测图片中的真实文本区域计算面积重叠率，若检测得到的极值区域的面积与当前检测图片中真实文本区域的面积重叠率大于面积重叠率阈值，则将这个极值区域归为正样本，否则，将这个极值区域归为负样本，然后对所有正负样本进行图像大小归一化处理；步骤5：随机选取正样本A个，负样本2A个，对每个正样本和负样本分别提取梯度方向直方图和局部二值模式特征，并根据提取的梯度方向直方图和局部二值模式特征构建特征向量；步骤6：将步骤5得到的特征向量构建成正负样本特征矩阵，并构建对应的标签集，将带有标签集的正负样本特征矩阵输入支持向量机进行训练，得到一个分类器模型；步骤7：将步骤3得到不同通道的每个初步候选文本区域分别提取梯度方向直方图和局部二值模式特征，并将提取的梯度方向直方图和局部二值模式特征输入支持向量机进行预测，保留预测的文本区域，滤除预测的非文本区域；步骤8：将不同通道经过支持向量机保留下来的文本区域综合，确定单个文本区，并去除重复的文本区域；步骤9：对步骤8得到的单个文本区域进行聚合得到初始文本行，方法为提取相邻两个文本区域中文本的平均笔画宽度比R_sw，相邻两个文本区域的高度比R_h，相邻两个文本区域的质心纵坐标差C_y,相邻两个文本区域的灰度强度差I,相邻两个文本区域的水平间距D，选取满足R_sw∈[1,2.5],R_h∈[0,2],I∈[0,30],D∈[0,1.4],C_y∈[0,30]的两两连通域将其聚集成链，最后形成一系列文本行，此时得到的初始文本行既包含真文本行也包含上述步骤7滤除不完全的非文本区域而聚合的假的文本行，其中，R_sw、R_h和I无单位，C_y和D单位为像素；步骤10：对步骤9得到的初始文本行提取梯度方向直方图和局部二值模式特征输入到步骤6训练得到的文本行分类器模型中，进一步滤除错误文本行。