【技术实现步骤摘要】
一种机器人检测自然场景中文字的方法及电子设备
本专利技术涉及文字检测
，具体涉及一种机器人检测自然场景中文字的方法及电子设备。
技术介绍
场景中的文字检测具有重要意义，比如让机器人理解场景中的文字就有助于机器人理解场景。目前主流的文字检测方法主要有二类，一是基于深度学习，例如CTPN、SegLink、EAST等网络；二是基于传统方法，典型的如基于像素点SWT(笔划宽度变换)方法，基于的区域MSER方法(最大稳定极值区域)。微软BorisEpshtein认为每个字符的笔划宽度大致相同，所以从Canny边缘点顺着梯度方向出发，找到梯度方向正好相反、距离相近的Canny边缘点，则两点之间就是笔划，这就是SWT算法。经典的SWT算法分成以下几步：(1)将原图做Canny边缘检测；(2)Canny边缘点Oi顺着梯度方向出发，能够找到梯度方向正好相反的点Ri，且该点也是Canny边缘点，将Oi-Ri路径上的所有点宽度设为Oi-Ri间的距离|Oi-Ri|；(3)检测完所有的Canny点时，有效的笔划宽度就构成了输出图，即文字...
【技术保护点】
1.一种机器人检测自然场景中文字的方法，其特征在于，所述方法包括以下步骤：/nS1获取待检测图片，去除图像噪声并计算图像边缘及边缘上的梯度方向；/nS2对连通的边缘按像素数量降序排列，排除边缘最小外接矩形大于阈值W
【技术特征摘要】
1.一种机器人检测自然场景中文字的方法，其特征在于，所述方法包括以下步骤：
S1获取待检测图片，去除图像噪声并计算图像边缘及边缘上的梯度方向；
S2对连通的边缘按像素数量降序排列，排除边缘最小外接矩形大于阈值Wf及平滑程度少于边缘平滑程阈值Ss的边缘；
S3按像素从多到少的顺序对经过筛选的边缘求取对偶边缘，并补充对偶边缘，构成连续的笔画；
S4利用局部分水岭算法形成候选字符，并去除候选字符噪声；
S5基于方向矢量将候选字符形成文字行，最后输出文字行及字符。
2.根据权利要求1所述的一种文字检测方法，其特征在于，所述方法中，去除图像噪声，计算图像边缘，然后计算边缘的平滑程度S，排除平滑程度少于边缘平滑程阈值Ss的边缘，边缘的平滑程度S为边缘上每个像素点一阶梯度D1i方差δ1和二阶导数D2i方差δ2的加权和
S＝λ1δ1+λ2δ2
每条边缘的边缘平滑程阈值Ss与边缘长度自适应，即与像素数量Np成反比
Ss＝f(Np)。
3.根据权利要求1所述的一种机器人检测自然场景中文字的方法，其特征在于，所述方法中，对经过筛选的边缘，按像素从多到少的顺序对每条边缘采用对偶像素法求取对偶边缘，具体如下：
对边缘从头到尾，按相邻顺序，对每个像素，假设pi，沿梯度方向D1pi按以下公式在2-Ws范围内找到不多于NC个候选对偶像素qij
qij＝pi+D1pi×n(Ws≥n≥2)(1)
D1qij为像素点qij的梯度方向，D1pi和D1qij方向相反
|D1qij-D1pi|<π/6
pi和qij两者距离为dij
dij＝|qij-pi|。
4.根据权利要求3所述的一种机器人检测自然场景中文字的方法，其特征在于，所述方法中，对整个边缘从头到尾将其候选对偶像素qij排成列，其中Ne≥i≥0，Ne边缘像素点数，NC≥j≥1，NC边缘对偶像素候选点数，没有候选对偶像素的点其候选对偶像素设为V(∞，∞)，仅一个，增加虚拟的头h和尾e，并对邻接的像素偶像素列间进行全连接，构成候选对偶像素图Ge，候选对偶像素图Ge中的节点为候选对偶像素，相邻列的节点间的边，其权为边两端候选对偶像素(qin，q(i+1)m)间的距离dqinq(i+1)m、一阶梯度差δD1和二阶梯度差δD2加权和Wqinq(i+1)m
Wqinq(i+1)m＝λddqinq(i+1)m+λD1δD1+λD2δD2
dqinq(i+1)m＝|qin-q(i+1)m|
δD1＝D1qin-D1q(i+1)m
δD2＝D2qin-D2q(i+1)m
相邻像素笔划宽度相近，在图Ge中找到一条宽度最稳定、边缘最光滑的边，即从虚拟起点h到虚拟终点e间图的最短路径。
5.根据权利要求1所述的一种机器人检测自然场景中文字的方法，其特征在于，所述方法中，对边缘上没有连续对偶像素的边缘段补充对偶边缘，具体包括，以两个相邻有对偶像素边缘段的端点为起点和终点，用起点和终点的对偶像素的邻域找到候选对偶像素，同样生成候选对偶像素图Ge，补足边缘段上不连续的连续对偶像素段。
6.根据权利要求5所述的一种机器人检测自然场景中文字的方法，其特征在于，所述方法中，对没有连续对偶像素的边缘段，以相邻两个有对偶像素的边缘段的端点为起点ph和终点pe，按如下步骤定位其对偶像素：
起点ph到其对偶像素p′h的距离为X，对偶像素p′h8邻域内像素灰度与对偶像素p′h的灰度差构成灰度差序列a1a2a3a4a5a6a7a8；终点pe到其对偶像素p′e的距离为Y，p′e8邻域内像素灰度与p′e的灰度差构成灰度差序列b1b2b3b4b5b6b7b8；
对起点ph后的每个边缘点px，沿px梯度方向D1px在min(2/3X，2/3Y)-max(4/3X，4/3Y)的范围内找到1/2NC个候选对偶像素qxj，候选对偶像素qxj其8邻域内像素灰度与候选对偶像素qxj的灰度差序列c1c2c3c4c5c6c7c8与灰度差序列a1a2a3a4a5a6a7a...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。