基于MSER的自適應(yīng)學(xué)習(xí)自然場(chǎng)景文本檢測(cè)

李英杰，全太鋒，劉武啟

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065)

E-mail：1678350588@qq.com

1 引 言

文本檢測(cè)已經(jīng)廣泛應(yīng)用于車牌檢測(cè)、實(shí)時(shí)翻譯、導(dǎo)盲導(dǎo)航系統(tǒng)、無人汽車輔助駕駛等相關(guān)領(lǐng)域[1].與文檔中的文本識(shí)別不同，自然場(chǎng)景文本檢測(cè)的難點(diǎn)[2]是圖像中的非文本元素廣泛分布，如圖像中的花草、樹木、建筑等也可能具有與文本相似的結(jié)構(gòu)，在進(jìn)行檢測(cè)時(shí)很可能將其檢測(cè)出來，這就對(duì)文本檢測(cè)和識(shí)別的準(zhǔn)確率以及效率產(chǎn)生了很大的影響.自然場(chǎng)景文本檢測(cè)方法主要包括：基于連通域的方法、基于紋理的方法、基于學(xué)習(xí)的方法[3].基于連接域的方法使用自下而上的策略逐步將小區(qū)域合并為更大的區(qū)域，直到識(shí)別出所有區(qū)域.文獻(xiàn)[4]提出一種基于規(guī)則的文本檢測(cè)方法，該方法通過MSER算法提取候選區(qū)域，然后使用基于規(guī)則的過濾技術(shù)消除非文本區(qū)域.文獻(xiàn)[5]提出一種基于筆畫寬度變換(SWT)和MSER的檢測(cè)方法，利用SWT和MSER同時(shí)提取候選字符，而后通過啟發(fā)式規(guī)則對(duì)候選字符進(jìn)行過濾.但是，基于連通域的方法必須計(jì)算圖像中所有像素的相似特征.根據(jù)圖像中文本和背景之間的結(jié)構(gòu)特征差異，基于紋理的方法首先對(duì)圖像做頻域轉(zhuǎn)換初步確定圖像中的文本區(qū)域，然后提取特征，最后利用分類器確認(rèn)文本.文獻(xiàn)[6]使用K-Means算法進(jìn)行聚類和特征選擇，然后使用ELM分類器獲取文本.文獻(xiàn)[7]提取MSER候選區(qū)域，并使用水平和垂直方差，筆畫寬度和幾何特征構(gòu)建AdaBoost分類器.然而，基于紋理的方法使用固定權(quán)重線性地混合提取的特征，融合策略太過單一.基于深度學(xué)習(xí)[8-11]的方法受到人們?cè)絹碓蕉嗟那嗖A，文獻(xiàn)[12]根據(jù)RCNN具有從訓(xùn)練數(shù)據(jù)共享權(quán)重的優(yōu)點(diǎn)，應(yīng)用RCNN卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行文本識(shí)別，文獻(xiàn)[13]提供了一種完全卷積網(wǎng)絡(luò)(FCN)預(yù)測(cè)圖像中的文本行以文本行的形式檢測(cè)文本，基于深度學(xué)習(xí)的方法具有很好的檢測(cè)效果，缺陷是需要大量數(shù)據(jù)訓(xùn)練模型，時(shí)間復(fù)雜度很高，在新的場(chǎng)景圖像中檢測(cè)文本耗時(shí)很長(zhǎng)，很難滿足實(shí)時(shí)性.

針對(duì)上述問題，本文提出了一種改進(jìn)的MSER算法和一種基于SVM的多特征自適應(yīng)權(quán)重融合方法來檢測(cè)自然場(chǎng)景中的文本.首先利用改進(jìn)的MSER算法提取候選區(qū)域，然后將HOG、統(tǒng)一化LBP、CPD三種特征以不同權(quán)值相結(jié)合，最后融合特征用于訓(xùn)練SVM分類器以實(shí)現(xiàn)非文本精細(xì)過濾.

2 自然場(chǎng)景文本檢測(cè)

本文提出的檢測(cè)算法總體流程如圖1所示.首先對(duì)圖像進(jìn)行預(yù)處理，運(yùn)用改進(jìn)的MSER算法提取候選區(qū)域.根據(jù)HOG、CPD和紋理特征各自的優(yōu)勢(shì)，合并得到HOG+統(tǒng)一化 LBP+CPD三通道特征訓(xùn)練分類器.加入CPD特征可以依據(jù)文本和背景的色彩差別，利用顏色特征的空域特性彌補(bǔ)濾除非文本區(qū)域時(shí)特征的不足.在三個(gè)特征融合的過程中，采用多特征自適應(yīng)權(quán)重融合策略，根據(jù)權(quán)重計(jì)算公式對(duì)不同特征進(jìn)行加權(quán)，以提高較優(yōu)特征在融合過程中的權(quán)重，同時(shí)降低較差特征對(duì)融合決策的影響.

圖1 總體算法框圖Fig.1 Overall algorithm block diagram

3 MSER算法介紹

MSER[14-16]算法基于分水嶺的概念將彩色圖像轉(zhuǎn)換為灰度圖像，然后將圖像二值化，二值化閾值取[0，255]中的某個(gè)值，在閾值由0向255連續(xù)增加的過程中遍歷檢查圖像中所有像素灰度值，忽略灰度值小于閾值的像素點(diǎn)，留下灰度值比閾值大的像素點(diǎn)，這樣當(dāng)閾值不斷變換時(shí)，相鄰像素點(diǎn)構(gòu)成的區(qū)域不斷地出現(xiàn)、生長(zhǎng)和合并形成極大值區(qū)域，當(dāng)2個(gè)不同閾值間的區(qū)域面積變化基本不變時(shí)，則得到的區(qū)域即為最大穩(wěn)定極大值區(qū)域(MSER+).灰度圖像的字符有兩種，常見的一種是較亮字符處于較暗的背景，此時(shí)提取的區(qū)域?yàn)樽畲蠓€(wěn)定極大值區(qū)域(MSER+)，為檢測(cè)出較亮背景下較暗的字符需要對(duì)灰度圖像做反操作，重復(fù)二值化過程，就可以獲取最大穩(wěn)定極小值區(qū)域(MSER-)，MSER+和MSER-求和得到最大穩(wěn)定極值區(qū)域.

MSER算法的數(shù)學(xué)定義[17]：

定義1.圖像I為區(qū)域D到灰度S的映射：即D∈Z2→S，其中S是完全可排序的，對(duì)于灰度圖像，S取值為{0，1，…，255}.

定義2.像素間的鄰域關(guān)系：A?D×D.本文使用四鄰域，當(dāng)p，q∈D并且滿足式(1)，則兩點(diǎn)相鄰.

(1)

定義3.圖像中區(qū)域Q?D被定義為滿足連接關(guān)系的圖像的連續(xù)子集，任何點(diǎn)p，q∈Q都有連接的路徑：

p，a1，a2，…，an，q

使得式(2)成立

pAa1，a1Aa2，…，anAq

(2)

其中ai∈Q，i=1，2…，n.

定義4.區(qū)域Q的邊界為

?Q={q|q∈D-Q，?p∈Q，qAp}

(3)

定義5.對(duì)于所有的p∈Q，q∈?Q如果滿足I(p)>I(q)，則區(qū)域Q為極大值區(qū)域；如果滿足I(p)

定義6.如果Q1，…Qi-1，Qi…是一系列嵌套區(qū)域，如果在i處q(i)獲得最小變化率，則稱Qi為最大穩(wěn)定極值區(qū)域.

(4)

圖2 MSER算法提取Fig.2 MSER algorithm extraction

圖3 改進(jìn)的MSER算法Fig.3 Improved MSER algorithm

采用傳統(tǒng)MSER算法提取文本時(shí)，因?yàn)橐暯呛完幱?，原圖2(a)中的“s”和“t”之間的邊緣產(chǎn)生模糊，導(dǎo)致圖2(b)中檢測(cè)到的字符區(qū)域“s”和“t”粘在一起，被當(dāng)做一個(gè)區(qū)域檢測(cè)出來.特別的對(duì)于“a”、“e”等這種有孔洞的文本，其中的孔洞也會(huì)被檢測(cè)出來，這些情況通常出現(xiàn)在字符內(nèi)部表現(xiàn)為嵌套區(qū)域.

4 改進(jìn)的MSER算法

如上所述，針對(duì)MSER算法存在的問題提出改進(jìn)的MSER算法.步驟如圖3所示.

4.1 邊緣增強(qiáng)處理

步驟1.在預(yù)處理階段加入中值濾波器對(duì)輸入圖像去噪.

步驟2.利用式(5)以不同權(quán)值對(duì)去噪后彩色圖像的R、G、B分量加權(quán)平均，將輸入圖像轉(zhuǎn)換為灰度圖像Gray.

Gray=0.114B+0.587G+0.299R

(5)

步驟3.在灰度圖像Gray上利用水平方向邊緣差分算子Sx和垂直方向邊緣差分算子Sy計(jì)算梯度幅度圖G.

(6)

(7)

M為圖像中一個(gè)3×3的窗口，Gx和Gy分別表示像素點(diǎn)水平方向和垂直方向的梯度值.

步驟4.根據(jù)式(8)，式(9)對(duì)灰度圖Gray進(jìn)行增強(qiáng)操作得到Gray1和Gray2，并將梯度增強(qiáng)圖Gyay1和Gray2的像素值歸一化到[1，255]區(qū)間.

Gray1=Gray-α×G

(8)

Gray2=Gray+α×G

(9)

其中0<α<1.

步驟5.在幅度增強(qiáng)圖Gray1和Gray2上利用MSER算法檢測(cè)得到MSER+、MSER-，對(duì)MSER+和MSER-區(qū)域求和得到文本候選區(qū)域.

圖4 邊緣增強(qiáng)的MSER算法提取效果Fig.4 Edge enhanced MSER algorithm extraction effect

如圖4利用邊緣增強(qiáng)的MSER算法檢測(cè)文本，圖2(b)中粘連的“s”和“t”明顯分開.

4.2 多機(jī)制抑制策略

利用候選區(qū)域幾何信息設(shè)計(jì)多機(jī)制抑制策略主要處理邊緣增強(qiáng)MSER算法提取的區(qū)域，濾除其中的嵌套區(qū)域并達(dá)到對(duì)非文本區(qū)域粗過濾.

4.2.1 非文本區(qū)域粗濾除

針對(duì)非文本，本文設(shè)計(jì)了寬高比、邊緣密度、像素面積比三種特征對(duì)其進(jìn)行初步濾除.

1)寬高比

大多數(shù)字符寬高比相對(duì)固定，使用邊界框數(shù)據(jù)對(duì)提取區(qū)域的最小外接矩形做如下約束，將寬高比不在0.4和10范圍內(nèi)的區(qū)域進(jìn)行濾除.

(10)

其中width和height分別代表提取區(qū)域最小外接矩形的寬、高.

2)邊緣密度

文本區(qū)域相比非文本區(qū)域，邊緣密度更加密集.利用式(11)計(jì)算極值區(qū)域的邊緣密度，將邊緣密度值小于0.2的區(qū)域進(jìn)行濾除.

(11)

其中f(i，j)=1表示邊緣圖像，式中的分子表示該區(qū)域邊緣的像素個(gè)數(shù).

3)像素面積比

文本區(qū)域像素面積通常限制在一定的范圍內(nèi).提取到MSER極值區(qū)域后，計(jì)算MSER區(qū)域和外接矩形的像素比S，濾除比值小于0.3的極值區(qū)域.

(12)

其中area表示圖像中MSER連通區(qū)域的像素總數(shù)，convexarea表示外接多邊形中的像素總數(shù).

4.2.2 嵌套區(qū)域?yàn)V除

為刪除嵌套區(qū)域，提高后續(xù)識(shí)別準(zhǔn)確率，設(shè)計(jì)了以下濾除策略，算法詳細(xì)步驟為：

步驟1.計(jì)算所有候選極值區(qū)域外接矩形的坐標(biāo)，將候選區(qū)域用式(13)四元組進(jìn)行表示.

boxi(axi，ayi，bxi，byi)

(13)

bxi=axi+widthi

(14)

byi=ayi+heighti

(15)

其中axi、ayi表示第i個(gè)外接矩形的左下角坐標(biāo)，widthi、heighti表示第i個(gè)外接矩形的寬和高，bxi、byi表示第i個(gè)外接矩形右上角坐標(biāo).

步驟2.判斷候選區(qū)域是否有嵌套，如果兩個(gè)區(qū)域滿足包含與被包含的關(guān)系，則根據(jù)式(16)濾除候選區(qū)域中兩者面積較小的區(qū)域.

圖5 多機(jī)制抑制策略過濾Fig.5 Multi-mechanism-suppression policy filtering

(16)

如圖5所示經(jīng)過多機(jī)制濾除策略，圖2(b)中的嵌套區(qū)全部被濾除掉.

5 基于SVM的多特征自適應(yīng)權(quán)值融合

改進(jìn)的MSER算法能夠檢測(cè)出大部分字符區(qū)域，但是也檢測(cè)出很多非文本區(qū)域.如圖6所示，為了完全濾除非文本區(qū)域，使用SVM分類器對(duì)候選區(qū)域再次進(jìn)行二分類，在特征提取階段，本文在HOG特征的基礎(chǔ)上合并了統(tǒng)一化 LBP特征和CPD特征，改善了單一特征的局限性.在特征融合的過程中，采用自適應(yīng)權(quán)值對(duì)不同特征進(jìn)行加權(quán)融合，以融合特征訓(xùn)練SVM分類器.

圖6 自適應(yīng)算法流程圖Fig.6 Adaptive algorithm flow chart

5.1 特征提取

方向梯度直方圖(HOG)特征是目前計(jì)算機(jī)視覺、模式識(shí)別領(lǐng)域很常用的一種局部區(qū)域特征描述子，對(duì)光照比較敏感，但是對(duì)目標(biāo)形變的魯棒性較低.本文將圖片歸一化為64*64大小的圖片，每8*8像素組成一個(gè)元胞(cell)，每2*2個(gè)元胞組成一個(gè)塊(block)，每個(gè)元胞的梯度方向在0到360度分成9個(gè)方向塊，元胞像素在9個(gè)方向塊的梯度直方圖有一個(gè)9維的特征，每個(gè)塊內(nèi)有2*2*9=36維特征，以8個(gè)像素為步長(zhǎng)，水平方向?qū)⒂?個(gè)掃描窗口，垂直方向有7個(gè)掃描窗口，檢測(cè)窗口分別在水平和垂直方向上統(tǒng)計(jì)特征，最后組合所有塊的特征得到圖片總共的特征，64*64圖片的HOG特征為36*7*7=1764維特征.

水平方向掃描窗口：

(17)

垂直方向掃描窗口：

(18)

局部二進(jìn)制模式(LBP)特征具有很強(qiáng)的分類能力、較高的計(jì)算效率和灰度不變性.因?yàn)長(zhǎng)BP直方圖大多是針對(duì)圖像中的各個(gè)區(qū)域分開計(jì)算的，對(duì)于一個(gè)普通大小的分塊區(qū)域，傳統(tǒng)LBP算子得到二進(jìn)制模式數(shù)目較多，而實(shí)際的位于該分塊區(qū)域中的像素?cái)?shù)目卻相對(duì)很少，導(dǎo)致產(chǎn)生一個(gè)過于稀疏的直方圖，為減少冗余的LBP模式，同時(shí)保留足夠的具有重要描繪能力的模式，提高算法整體效率，本文將LBP算子定義在一個(gè)半徑為R的圓形區(qū)域內(nèi)，對(duì)每一塊采用統(tǒng)一化LBP算子(Uniform LBP)提取紋理特征，當(dāng)某個(gè)LBP所對(duì)應(yīng)的循環(huán)二進(jìn)制數(shù)從0到1或從1到0最多有兩次跳變時(shí)，該類型保存，跳變次數(shù)大于2次時(shí)，均歸為一類，最后將每塊的特征做串接組合，構(gòu)建出整幅圖的特征.

自然場(chǎng)景文本檢測(cè)任務(wù)中，文本顏色和周邊區(qū)域存在一定的區(qū)別.本文將RGB色彩空間的圖像轉(zhuǎn)換到HSI色彩空間，因?yàn)镮分量與圖像的彩色信息無關(guān)，所以在H和S分量上提取文本和非文本的色彩感知差異特征，最后對(duì)兩個(gè)分量的色彩感知差異特征進(jìn)行求和，得到最終的色彩感知差異特征[17].

(19)

(20)

式(19)中h(k)為顏色直方圖特征表達(dá)式，k為一個(gè)區(qū)間內(nèi)相應(yīng)顏色值，m為圖像顏色范圍，nk為區(qū)間k中的像素總數(shù)，n為像素總數(shù).式(20)中h(r)和h(r*)分別表示一個(gè)MSER區(qū)域矩形框中不相同的r和r*區(qū)域顏色直方圖，N為顏色直方圖中的小區(qū)間數(shù).

5.2 確定最優(yōu)權(quán)值組合

分別提取文本和非文本的HOG、統(tǒng)一化LBP、CPD三種特征，使用三種特征分開訓(xùn)練SVM分類器，然后通過SVM預(yù)測(cè)的類別標(biāo)簽計(jì)算出每個(gè)特征對(duì)應(yīng)文本和非文本的分類準(zhǔn)確率，利用式(21)構(gòu)建特征權(quán)值.

(21)

f={HOG，LBP，CPD}

(22)

其中x，y，z分別為HOG、統(tǒng)一化LBP、CPD特征向量值.

5.3 訓(xùn)練SVM

ICDAR2003數(shù)據(jù)集包括1個(gè)測(cè)試集，1個(gè)訓(xùn)練集，對(duì)每個(gè)字符在像素級(jí)別上進(jìn)行了標(biāo)注，本文選取ICDAR2003訓(xùn)練集中的258張圖片作為訓(xùn)練樣本.

按照訓(xùn)練集中字符區(qū)域的位置標(biāo)注信息提取出每個(gè)字符作為正樣本.由于SVM分類器主要對(duì)邊緣增強(qiáng)MSER得到的候選區(qū)域進(jìn)行分類，所以選取候選區(qū)域中的非文本區(qū)域作為負(fù)樣本.

通過對(duì)訓(xùn)練樣本的篩選，一共選擇6220張圖片作為正樣本并標(biāo)記為“1”，5330張圖片作為負(fù)樣本標(biāo)記為“0”，然后提取樣本融合特征并采用粒子群優(yōu)化算法選擇SVM最佳參數(shù)訓(xùn)練SVM分類器.

6 實(shí)驗(yàn)結(jié)果及分析

6.1 數(shù)據(jù)集

為驗(yàn)證整個(gè)算法的有效性和實(shí)用性，本文選擇ICDAR2003圖像數(shù)據(jù)集中的測(cè)試集對(duì)所提算法進(jìn)行性能測(cè)試.表1為數(shù)據(jù)集的詳細(xì)信息.ICDAR2003數(shù)據(jù)集被分為兩個(gè)子集，其中一個(gè)用來訓(xùn)練或調(diào)整算法，另一個(gè)子集用來測(cè)試.其中的圖片通過不同性能的照相機(jī)拍攝，圖像內(nèi)容包含廣告牌、路標(biāo)、門牌等種場(chǎng)景.

表1 圖像數(shù)據(jù)集Table 1 Image data set

6.2 算法評(píng)估標(biāo)準(zhǔn)

本文采用準(zhǔn)確率(Precision)、召回率(Recall)、綜合性能(F-score)三個(gè)指標(biāo)對(duì)算法進(jìn)行評(píng)估.分別定義如下：

(23)

(24)

(25)

式中|D|表示算法檢測(cè)到的文本區(qū)域和非文本區(qū)域總數(shù)，c為正確檢測(cè)到的文本區(qū)域個(gè)數(shù)，|G|表示數(shù)據(jù)集中文本區(qū)域的總數(shù)，α表示權(quán)重，本文設(shè)定α2=0.3.準(zhǔn)確率和召回率分別從誤檢和漏檢兩個(gè)角度評(píng)價(jià)算法，假如較多的區(qū)域沒有被檢測(cè)到，則算法的召回率會(huì)相應(yīng)降低；假如較多區(qū)域被錯(cuò)誤檢測(cè)到，則算法的準(zhǔn)確率會(huì)降低.

6.3 SVM參數(shù)優(yōu)化

利用SVM分類器需要確定核函數(shù)和參數(shù)，參數(shù)主要包含懲罰系數(shù)C和核函數(shù)參數(shù)g兩個(gè)參數(shù).由于文本和非文本的區(qū)分不是簡(jiǎn)單的線性關(guān)系，本文SVM分類器選擇徑向基核函數(shù)RBF(Radial Basis Function，RBF)將低維特征空間映射到高維特征空間.基于群體中個(gè)體之間協(xié)作和信息共享的思想，采用粒子群算法尋找最優(yōu)的C和g.粒子群算法效率塊，并沒有許多參數(shù)的調(diào)節(jié)，目前已被普遍應(yīng)用于函數(shù)優(yōu)化、模糊系統(tǒng)控制以及其它遺傳算法等領(lǐng)域.本文將粒子群算法的局部學(xué)習(xí)因子和全局學(xué)習(xí)因子設(shè)為1.49445，種群規(guī)模設(shè)為20，進(jìn)化次數(shù)設(shè)為300，通過粒子群算法尋找最優(yōu)參數(shù)c為12，g為0.29.SVM參數(shù)尋優(yōu)結(jié)果如圖7所示，在進(jìn)化到100代時(shí)適應(yīng)度達(dá)到最高為97.2%，此時(shí)參數(shù)最佳，在后續(xù)進(jìn)化時(shí)，適應(yīng)度一直不變趨于平穩(wěn).

圖7 參數(shù)尋優(yōu)結(jié)果圖Fig.7 Parameter optimization results

6.4 實(shí)驗(yàn)結(jié)果比較與分析

為了證明改進(jìn)算法的魯棒性，實(shí)驗(yàn)選用最新和常用的四種算法和本文算法對(duì)比，主要比較改進(jìn)算法在圖像模糊導(dǎo)致字符粘連時(shí)提取文本的適應(yīng)性、消除嵌套區(qū)域的有效性以及濾除非文本的徹底性.五種場(chǎng)景檢測(cè)實(shí)驗(yàn)結(jié)果如圖8所示.

圖8 改進(jìn)算法與其它算法對(duì)比Fig.8 Improved algorithm compared with other algorithms

在室外墻面廣告場(chǎng)景文本檢測(cè)中，SWT+MSER+SVM和傳統(tǒng)的MSER算法無法解決由于模糊導(dǎo)致字符粘連的問題，邊緣粘連的“s”和“t”被當(dāng)做一個(gè)字符檢測(cè)出來，降低了算法的準(zhǔn)確率和召回率.在室外墻面廣告和室內(nèi)標(biāo)識(shí)牌場(chǎng)景文本檢測(cè)中，傳統(tǒng)的MSER算法還會(huì)檢測(cè)到“a”、“e”、“O”、“D”、“R”這種有孔洞的嵌套區(qū)域，而本文算法不僅準(zhǔn)確檢測(cè)到文本序列，還通過多機(jī)制抑制策略消除了無關(guān)的嵌套區(qū)域，并對(duì)字符粘連現(xiàn)象進(jìn)行了有效抑制.在車牌檢測(cè)中，傳統(tǒng)的MSER算法不能檢測(cè)到車牌中的第一個(gè)漢字，本文改進(jìn)的算法可以完整地檢測(cè)到車牌號(hào)區(qū)域.除了室外墻面廣告場(chǎng)景，在其它四種場(chǎng)景中，由于圖片背景更加復(fù)雜，存在大量類似文本的干擾區(qū)域，MSER+SVM算法、SWT+MSER+SVM算法、傳統(tǒng)MSER算法檢測(cè)結(jié)果中都出現(xiàn)了較多非文本區(qū)域，而本文算法在非文本濾除階段采用SVM多特征自適應(yīng)權(quán)值融合的分類方法，按最優(yōu)的權(quán)值組合特征訓(xùn)練SVM分類器，提高了分類的準(zhǔn)確率，有效濾除掉非文本.

表2 不同算法在ICDAR2003性能參數(shù)對(duì)比Table 2 Comparison of performance parameters ofdifferent algorithms in ICDAR2003

為了驗(yàn)證本文算法的性能，本文選擇ICADAR2003數(shù)據(jù)集中的所有場(chǎng)景測(cè)試集進(jìn)行實(shí)驗(yàn).表2為改進(jìn)算法與其它算法性能參數(shù)對(duì)比，通過表2可以看到MSER+CNN的方法召回率、準(zhǔn)確率、綜合性能是最好的，該算法采用MSER方法提取候選區(qū)域，將候選區(qū)域送入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，雖然檢測(cè)性能最好，但是基于CNN的方法算法復(fù)雜度很高，卷積神經(jīng)網(wǎng)絡(luò)中每一層卷積層和池化層中的每個(gè)神經(jīng)元有很多參數(shù)，每個(gè)卷積層會(huì)提取到圖像的很多特征，處理圖片時(shí)間長(zhǎng)，降低了系統(tǒng)檢測(cè)的實(shí)時(shí)性.MSER+SVM(特征1：1：1)的方法在特征融合時(shí)按相等的權(quán)值進(jìn)行融合，沒有考慮某些特征對(duì)文本表現(xiàn)能力差的問題，導(dǎo)致過濾非文本不徹底，準(zhǔn)確率和本文算法相差4.32%.SWT+MSER+SVM提取文本區(qū)域沒有考慮圖像低對(duì)比度造成圖像模糊的情況，導(dǎo)致召回率和準(zhǔn)確率較低.傳統(tǒng)的MSER算法在提取到候選區(qū)域時(shí)，沒有解決MSER算法檢測(cè)存在嵌套區(qū)域的問題，而且沒有再進(jìn)一步對(duì)候選區(qū)域進(jìn)行文本分類，準(zhǔn)確率明顯低于本文算法.通過比較本文算法檢測(cè)性能明顯優(yōu)于其它三類算法，召回率、準(zhǔn)確率和綜合性能僅低于MSER+CNN的方法，但是本文算法沒有復(fù)雜的卷積操作，檢測(cè)時(shí)間更少.

表3 各算法處理速度對(duì)比Table 3 Comparison of processing speed of each algorithm

為了證明本文算法既具有良好的檢測(cè)性能，又能滿足實(shí)時(shí)性的要求，分別使用40張不同分辨率的圖片進(jìn)行實(shí)驗(yàn)，計(jì)算檢測(cè)出圖片中的文本區(qū)域所需要的平均時(shí)間.如表3所示隨著圖片分辨率的增大，MSER+CNN算法需要處理的信息越來越多，檢測(cè)耗時(shí)遠(yuǎn)遠(yuǎn)高于其它算法.由于本文算法在候選區(qū)域提取階段引入了多機(jī)制抑制策略，相比于MSER+SVM(特征1：1：1)檢測(cè)時(shí)間較長(zhǎng).SWT+MSER+SVM方法通過SWT和MSER組合來提取候選區(qū)域，而SWT方法需要計(jì)算所有像素點(diǎn)對(duì)應(yīng)的筆畫寬度，增加了文本檢測(cè)所需時(shí)間.在最高圖片分辨率下檢測(cè)文本，本文算法檢測(cè)時(shí)間為5.72s，仍能滿足實(shí)時(shí)性要求.

圖9 ICDAR2003數(shù)據(jù)集部分檢測(cè)效果圖Fig.9 ICDAR2003 data set partial detection effect diagram

本文算法為克服其它算法存在的問題，分別在候選區(qū)域提取階段和非文本濾除階段對(duì)傳統(tǒng)算法做出改進(jìn)，梯度增強(qiáng)圖改進(jìn)了傳統(tǒng)的MSER算法，改善了MSER算法不能在低對(duì)比度、字符粘連圖像上提取文本候選區(qū)域的問題，提高了算法的召回率.基于SVM多特征自適應(yīng)權(quán)值融合的分類方法提高了分類的準(zhǔn)確率，進(jìn)而提升了算法的綜合性能.改進(jìn)的算法性能僅低于MSER+CNN的方法，其中召回率相差4個(gè)百分點(diǎn)，準(zhǔn)確率相差1個(gè)百分點(diǎn)，但是檢測(cè)速度明顯更快.本文算法檢測(cè)速度較低于其它三類算法，但是準(zhǔn)確率更高.綜合考慮上述主觀分析和客觀實(shí)驗(yàn)結(jié)果，本文改進(jìn)的算法可以同時(shí)兼顧檢測(cè)率和實(shí)時(shí)性.圖9展示了本文算法在ICDAR2003測(cè)試集中代表性場(chǎng)景檢測(cè)效果圖.

7 結(jié)束語

針對(duì)MSER算法對(duì)邊緣模糊文本比較敏感，提取的候選區(qū)域中存在字符粘連等問題，提出改進(jìn)的MSER算法.為了更徹底高效地濾除非文本區(qū)域，考慮到單一特征對(duì)文本描述能力較弱、不同特征對(duì)文本描述能力不同的情況，本文在訓(xùn)練集上提取HOG特征的基礎(chǔ)上加入統(tǒng)一化LBP和CPD特征，然后采用自適應(yīng)權(quán)值融合策略將三種特征融合并結(jié)合粒子群算法尋找SVM訓(xùn)練的最優(yōu)參數(shù)，得到一個(gè)最優(yōu)分類器，最后將提取的候選區(qū)域送入訓(xùn)練好的最優(yōu)分類器，更精確地剔除非文本區(qū)域.實(shí)驗(yàn)結(jié)果表明，本文算法可以解決字符粘連、圖像模糊難以檢測(cè)文本以及濾除非文本不徹底等問題，提高了檢測(cè)精度，并且滿足實(shí)時(shí)性要求.