自然場(chǎng)景文本信息提取關(guān)鍵技術(shù)探究

胡 輝 胡 松 陳 伽 蔡映雪 陳 軍 蔡昭權(quán) 惠州學(xué)院

?

自然場(chǎng)景文本信息提取關(guān)鍵技術(shù)探究

胡 輝 胡 松 陳 伽 蔡映雪 陳 軍 蔡昭權(quán) 惠州學(xué)院

（11JXZ012，14JXN065），廣東省自然科學(xué)基金項(xiàng)目（S2013010013432，S2013010015940），廣東省教育廳項(xiàng)目（2013LYM00874），廣東省高校優(yōu)秀青年創(chuàng)新人才培養(yǎng)計(jì)劃資助項(xiàng)目（2013LYM_0087），惠州市科技計(jì)劃項(xiàng)目（2013B020015008，2014B020004026，2014B050013016，2014B020004023，2015B010002002）

【文章摘要】

【關(guān)鍵詞】

自然場(chǎng)景；文本信息；圖像分割；特征提取

引言

視覺(jué)是人們感知世界客觀事物最為重要的一個(gè)手段，圖像是人類視覺(jué)的輸入的基礎(chǔ)，也是對(duì)自然場(chǎng)景的描述，其可以采集自然環(huán)境的各類型信息。圖像中的問(wèn)題是自然場(chǎng)景的描述信息，也是自然場(chǎng)景的重要內(nèi)容，可以為人們快速定位信息提供強(qiáng)大的線索，比如商店招牌、導(dǎo)航招牌、交通指示牌、大型建筑物廣告文字等，這些文字都具有較為明確的含義，也是自然場(chǎng)景信息的重要的表現(xiàn)形式［1］。據(jù)統(tǒng)計(jì)，文本信息對(duì)于人們具有更加明顯的吸引能力，因此利用先進(jìn)的圖像處理技術(shù)識(shí)別文字內(nèi)容，具有重要的作用和意義。隨著大數(shù)據(jù)、云計(jì)算、圖形處理技術(shù)的快速發(fā)展，識(shí)別自然場(chǎng)景圖像中的文本信息已經(jīng)成為需對(duì)學(xué)者研究的熱點(diǎn)。目前，資產(chǎn)場(chǎng)景文本信息提取具有以下幾個(gè)方面的應(yīng)用。

（1）車牌識(shí)別。目前，各個(gè)交通卡口都設(shè)置了測(cè)速儀和攝像機(jī)，卡口車流量非常大，為了能夠快速定位每一輛車，判斷車輛是否違法，提高車牌檢索、判別的速度和準(zhǔn)確度，以便能夠更好的保證車輛遵守交通秩序，進(jìn)一步提高智能交通應(yīng)用成效［2］。

（2）提高圖片檢索效率。目前，google、百度等瀏覽器已經(jīng)提供了圖片檢索功能，用戶輸入相關(guān)的圖片之后，系統(tǒng)自動(dòng)識(shí)別圖片中的文本信息，并且在網(wǎng)絡(luò)上檢索類似的圖片信息，并且輸出檢索結(jié)果到網(wǎng)頁(yè)上［3］。

（3）為工業(yè)生產(chǎn)提供幫助。工業(yè)生產(chǎn)過(guò)程中，可以利用文本信息識(shí)別技術(shù)提升圖像檢測(cè)效率，進(jìn)一步提高工業(yè)生產(chǎn)精細(xì)化、智能化和共享化［4］。

目前，自然場(chǎng)景文本信息提取已經(jīng)引入了許多先進(jìn)的技術(shù)，包括支持向量機(jī)、 BP神經(jīng)網(wǎng)絡(luò)、近鄰傳播、遺傳算法、 K均值等算法，進(jìn)一步提高了自然場(chǎng)景文本信息提取的精準(zhǔn)程度。論文結(jié)合筆者多年的研究經(jīng)驗(yàn)，詳細(xì)地分析了自然場(chǎng)景文本信息提取的關(guān)鍵技術(shù)，這些技術(shù)主要包括形態(tài)學(xué)處理、文本圖像分割、文本信息特征提取等，以便為自然場(chǎng)景文本信息處理提供參考，改進(jìn)文本信息識(shí)別準(zhǔn)確度和效率。

1.自然場(chǎng)景文本信息提取關(guān)鍵技術(shù)

1.1形態(tài)學(xué)處理

形態(tài)學(xué)以數(shù)學(xué)形態(tài)學(xué)為基本原理，將自然場(chǎng)景圖像中的文字形態(tài)作為研究和描述的對(duì)象，并且能夠?qū)⑾嚓P(guān)的文字結(jié)構(gòu)和特征之間的關(guān)系，包括各類元素之間的關(guān)系和區(qū)域之間的關(guān)系等［8］。一般情況下，形態(tài)學(xué)圖像處理可以計(jì)算文字邊緣的鄰域信息，并且能夠?qū)⑧徲蛐畔⒔Y(jié)構(gòu)化，將每一個(gè)鄰域結(jié)構(gòu)化元素和相關(guān)的區(qū)域進(jìn)行有效計(jì)算，并且將運(yùn)算結(jié)果作為一種輸出圖像，能夠進(jìn)行有效的計(jì)算［5］。二值圖像是指像素點(diǎn)僅僅取值0或1的兩種灰度級(jí)的圖像，灰度圖像經(jīng)過(guò)閾值判決之后，可以將一幅灰度圖像轉(zhuǎn)換為二值圖像，并且能夠?qū)⒋罅康墓铝⒃肼朁c(diǎn)、區(qū)域空洞和連接間斷等節(jié)能型去除干擾，并且能夠獲取更好的物體形態(tài)［9］。

開(kāi)運(yùn)算在實(shí)際的應(yīng)用過(guò)程中，結(jié)構(gòu)元素B對(duì)集合A的開(kāi)運(yùn)算分為兩個(gè)步驟，分別是先用結(jié)構(gòu)元素對(duì)圖像的集合A進(jìn)行有效的腐蝕，接著再使用結(jié)構(gòu)元素B對(duì)腐蝕之后的結(jié)果進(jìn)行膨脹運(yùn)算。

1.2連通分量處理

二值圖像經(jīng)過(guò)實(shí)施開(kāi)運(yùn)算之后，接著需要對(duì)圖像的連通分量進(jìn)行有效的分析，可以提取出圖像中的結(jié)構(gòu)化物體［6］。連通的定義如下：假設(shè)在二值圖像中，如果兩個(gè)像素的灰度值是相等的，并且能夠滿足一定的規(guī)定條件，則表示兩個(gè)元素是連通的。在連通分量分析過(guò)程中，灰度值為1的像素表示需要等待提取的像素，則與該像素相鄰的像素還能夠滿足兩種鄰接方式，分別是四鄰接和八鄰接。四鄰接表示水平方向的像素和垂直方向的像素都相鄰，八鄰接表示水平方向、垂直方向和對(duì)角方向上的像素均為相鄰的像素。

1.3文本圖像分割技術(shù)

1.3.1灰度閾值分割

1.3.2邊緣檢測(cè)方法

邊緣檢測(cè)的主要目的是為了提取圖像中不聯(lián)系的特征內(nèi)容，根據(jù)閉合的邊緣確定相關(guān)的區(qū)域。邊緣檢測(cè)算法不需要逐個(gè)分割圖像的像素，更加適用于大圖像的分割［8］。常用的邊緣檢測(cè)算子較多，這些算子可以與圖像卷積，定位圖像邊緣的位置和方向。一階邊緣檢測(cè)算子主要包括Roberts算子和Sobel邊緣算子，具體的一階邊緣檢測(cè)算子方法詳細(xì)描述如下。Roberts算子可以利用局部差分算子尋找火焰視頻圖形邊緣，采用的理論公式如式2所示。

其中，f（x，y）表示一個(gè)具有整數(shù)像素坐標(biāo)的輸入圖像，平方根運(yùn)算可以模擬人類視覺(jué)系統(tǒng)發(fā)現(xiàn)火焰視頻圖像邊緣的整個(gè)過(guò)程。Roberts算子可以實(shí)現(xiàn)較為準(zhǔn)確的邊緣定位，但是其對(duì)于噪聲數(shù)據(jù)非常敏感，因此Roberts算子對(duì)于具有較為明顯邊緣、噪聲數(shù)據(jù)非常少的圖形進(jìn)行定位具有良好的效果。

Sobel邊緣檢測(cè)算子可以采用一個(gè)3×3的矩陣進(jìn)行描述，可以分別從水平、垂直兩個(gè)方向?qū)D像進(jìn)行卷積操作，計(jì)算出水平、垂直兩個(gè)方向的亮度差的近似值，比如可以使用矩陣A表示原始的圖像內(nèi)容，Gx表示垂直方向邊緣檢測(cè)的圖形，Gy表示水平方向橫向邊緣檢測(cè)圖像［9］。

二階邊緣檢測(cè)檢測(cè)算子最具代表性的是拉普拉斯算子。拉普拉斯算子是一個(gè)線性的、移不變算子，其可以對(duì)二維函數(shù)進(jìn)行二階導(dǎo)數(shù)運(yùn)算，假設(shè)f （x，y）表示一個(gè)在圖像中的位置（x，y），則拉普拉斯算子可以描述為公式（3）。

拉普拉斯算子（Laplace）充分的利用二階導(dǎo)數(shù)具有各向同性的性質(zhì)，并且拉普拉斯算子與坐標(biāo)軸的方向是相互獨(dú)立的，坐標(biāo)軸旋轉(zhuǎn)之后梯度結(jié)果保持不變。圖像經(jīng)過(guò)二階微分之后，可以在文字圖像邊緣處產(chǎn)生一個(gè)較為尖銳的零交叉點(diǎn)，根據(jù)這個(gè)零交叉點(diǎn)判斷圖像的邊緣信息，拉普拉斯算子的模板如圖1所示。

圖1　Laplace算子的模板

圖像的文字邊緣檢測(cè)是為了能夠在圖像中尋找到具有局部最大梯度值的像素點(diǎn)，因此文字圖形邊緣檢測(cè)過(guò)程中必須能夠有效濾除噪聲、盡量精確定位邊緣位置［10］。Canny算子是高斯函數(shù)的一階導(dǎo)數(shù)，其可以對(duì)信噪比和定位乘積進(jìn)行最優(yōu)化逼近，具體的Canny算子的檢測(cè)步驟如下所述。

第一步：使用高斯濾波器對(duì)文字圖像進(jìn)行平滑操作，消除噪聲數(shù)據(jù)；

第二步：使用一階偏導(dǎo)數(shù)實(shí)施有限差分，計(jì)算文字梯度的幅值和方向；

第三步：對(duì)文字梯度幅值實(shí)施調(diào)整，使用非極大值進(jìn)行抑制操作；

第四步：使用雙閾值算法檢測(cè)和連接圖像文字的邊緣。

Canny算子文字圖像特征檢測(cè)算法具有以下三個(gè)方面的優(yōu)點(diǎn)：一是具有較低的誤碼率，可以準(zhǔn)確的判斷文字特征邊緣點(diǎn)；二是具有較高的特征定位精度，能夠精確的把文字邊緣點(diǎn)定位在灰度編號(hào)最大的像素之上；三是能夠抑制虛假邊緣點(diǎn)。

1.4特征提取技術(shù)

1.4.1幅度特征

在圖像特征中，圖像的文字幅度度量是一種較為關(guān)鍵的特征。文字幅度度量可以有效的測(cè)量圖像點(diǎn)或及其鄰區(qū)做出關(guān)鍵的測(cè)量［11］。在算法執(zhí)行過(guò)程中，可以從某些線性或非線性的變換過(guò)程中構(gòu)成了新的圖像文字幅度的空間，也可以直接從圖像的灰度等級(jí)求取圖像的文字幅度特征，以便能夠分離目標(biāo)物的描述，具有十分重要的作用。

1.4.2線條或角點(diǎn)的特征

對(duì)于一幅文字圖像來(lái)講，文字線條的軌跡特征可以有效的描述圖像中的文字的凸凹狀態(tài)，數(shù)學(xué)上被稱為圖像的線條的法向量。通常情況下，圖像的文字幅度是由低到高、再?gòu)母叩降桶l(fā)生極大的變化的，因此可以使用不同的峰值檢測(cè)出圖像的文字線條，提取圖像的線條或角點(diǎn)之后，既可以按照相似的比例壓縮圖像的大小，減低數(shù)據(jù)存儲(chǔ)的信息量，并且可以對(duì)圖像進(jìn)行有效的推理、描述和識(shí)別［12］。

1.4.3灰度邊緣特征

數(shù)字圖像文字特征處理過(guò)程中，由于圖像文字具有不連續(xù)性，灰度或紋理通常會(huì)發(fā)生改變等現(xiàn)象，因此圖像文字的特征可以有效的描述圖像中包含的各種字體，但是大范圍的不連續(xù)性容易給圖像文字造成邊界，因此如果圖像文字幅度水平具有不連續(xù)性，很容易稱為圖像的局部邊緣，一個(gè)比較理想的邊緣檢測(cè)器需要能夠檢測(cè)出圖像中目標(biāo)物體的各類邊緣，同時(shí)還能夠確定斜坡的位置。

2.結(jié)束語(yǔ)

隨著多媒體技術(shù)的快速發(fā)展和改進(jìn)，圖像處理已經(jīng)得到了廣泛普及和使用，有效提升了工業(yè)生產(chǎn)、安防監(jiān)控、圖像檢索效率。自然場(chǎng)景文本信息提取可以與當(dāng)前實(shí)際應(yīng)用相互結(jié)合，比如車牌識(shí)別等，采用先進(jìn)的形態(tài)學(xué)處理、連通分類處理、灰度閾值分割、文字邊緣檢測(cè)、幅度特征、線條或角點(diǎn)特征、灰度邊緣特征等處理模式進(jìn)一步識(shí)別自然場(chǎng)景中的文本信息。

【參考文獻(xiàn)】

［1］ 彭浩，陳繼鋒，劉瓊，等.一種面向聚焦爬蟲(chóng)的自然場(chǎng)景文本定位技術(shù)［J］.小型微型計(jì)算機(jī)系統(tǒng)，2014，24（9）:2014-2018.

［2］ 劉新瀚，錢侃，王宇飛，等.自然場(chǎng)景下基于連通域檢測(cè)的文字識(shí)別算法研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2015，21（5）:41-45.

［3］ 黃曉明，高陳強(qiáng)，田陽(yáng)陽(yáng).自然場(chǎng)景文本區(qū)域定位［J］.重慶郵電大學(xué)學(xué)報(bào):自然科學(xué)版，2015，27（5）:700-705.

［4］ 楊彬，夏思宇.自然場(chǎng)景多方向文本檢測(cè)方法［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2015，22（S1）:228-232.

［5］ 陳梓洋，王宇飛，錢侃，等.自然場(chǎng)景下基于區(qū)域檢測(cè)的文字識(shí)別算法［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2015，18（7）:230-233.

［6］ 王瑾.基于局部顯著文字型區(qū)域的場(chǎng)景文本提取算法［J］.太原師范學(xué)院學(xué)報(bào):自然科學(xué)版，2014，16（4）:33-39.

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和進(jìn)步，多媒體應(yīng)用技術(shù)得到迅速改進(jìn)和提升，取得了顯著的成效。自然場(chǎng)景文本信息提取是多媒體處理的關(guān)鍵技術(shù)，目前已經(jīng)誕生了形態(tài)學(xué)、聯(lián)通分類、文本圖像分割、文本特征提取等多種技術(shù)，有效提升了自然場(chǎng)景文本信息提取的成效，進(jìn)一步改進(jìn)了自然場(chǎng)景文本信息檢索的準(zhǔn)確度。

【作者簡(jiǎn)介】

胡輝（1979-），女，江蘇鹽城，碩士，惠州學(xué)院，講師，研究方向?yàn)橛?jì)算機(jī)軟件