本發(fā)明涉及圖文處理
技術(shù)領(lǐng)域：
，更具體而言，涉及一種圖像中文字區(qū)域的定位方法及裝置。
背景技術(shù)：
：在網(wǎng)絡(luò)商品交易中，由于消費者無法直觀的看到商品，商品圖像成為商家向消費者描述商品的重要手段。然而，部分商家為了提高商品的關(guān)注度，會在商品圖像中嵌入虛假的宣傳性文字，不僅造成惡意競爭，而且導(dǎo)致消費者體驗不好。因此，各個電子商務(wù)網(wǎng)站均對商品圖像的文字內(nèi)容進行審核，以形成對商品圖像的監(jiān)控。通常，現(xiàn)有的審核商品圖像中文字的流程一般為，首先，對商品圖像中的文字區(qū)域進行定位，確定圖像中文字部分的位置；然后，根據(jù)所確定的文字區(qū)域，將文字內(nèi)容精細化，得到清晰的文字內(nèi)容。目前對商品圖像中文字進行定位的技術(shù)手段通常為，首先對商品圖像中的文字顯著性區(qū)域進行粗定位，盡可能排除背景區(qū)域；其次，利用邊緣和顏色等信息進行進一步的分析，篩除、合并文字區(qū)域，得到可能的文字行；最后，使用分類器對候選的文字行區(qū)域進行分類驗證，得到真實的文字行區(qū)域。然而，商品圖像的尺寸、字體、顏色、語種等均具有不確定性，而且商品圖像中的文字與商品圖像復(fù)雜的背景極易混淆，為定位圖像中的文字區(qū)域帶來很大的干擾，導(dǎo)致無法定位圖像中的文字區(qū)域，進而無法得到清晰的文字內(nèi)容，無法通過自動化的方式進行商品圖像的審核。技術(shù)實現(xiàn)要素：為克服現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種圖像中文字區(qū)域的定位方法及裝置。第一方面，本發(fā)明提供了一種圖像中文字區(qū)域的定位方法，包括：構(gòu)建參數(shù)回歸模型；通過所述參數(shù)回歸模型生成與圖像對應(yīng)的文本空間分布參數(shù)；根據(jù)所述文本空間分布參數(shù)重構(gòu)與所述圖像對應(yīng)的文字-非文字二值圖像。在第一方面第一種可能的實現(xiàn)方式中，所述構(gòu)建參數(shù)回歸模型，包括：獲取所述參數(shù)回歸模型的目標文本空間分布參數(shù)；將測試圖像輸入所述參數(shù)回歸模型生成測試文本空間分布參數(shù)；根據(jù)所述目標文本空間分布參數(shù)與所述測試文本空間分布參數(shù)運算得到當前誤差；計算所述當前誤差與基礎(chǔ)誤差的差值；其中，所述基礎(chǔ)誤差為上次運算得到 的誤差；判斷所述差值是否小于第一預(yù)設(shè)閾值；若所述差值大于或者等于所述第一預(yù)設(shè)閾值，根據(jù)所述當前誤差調(diào)整所述參數(shù)回歸模型的未知參數(shù)，將所述當前誤差確定為基礎(chǔ)誤差，并重復(fù)執(zhí)行步驟將測試圖像輸入所述參數(shù)回歸模型生成測試文本空間分布參數(shù)，直至所述差值小于所述第一預(yù)設(shè)閾值；若所述差值小于所述第一預(yù)設(shè)閾值，將所述參數(shù)回歸模型未知參數(shù)的當前值確定為模型參數(shù)。結(jié)合上述第一方面，在第二種可能的實施方式中，所述根據(jù)所述文本空間分布參數(shù)重構(gòu)與所述圖像對應(yīng)的文字-非文字二值圖像，包括：將所述文本空間分布參數(shù)中小于第二預(yù)設(shè)閾值的參數(shù)設(shè)置為0；將所述文本空間分布參數(shù)中大于所述第二預(yù)設(shè)閾值的參數(shù)設(shè)置為1；將參數(shù)0和參數(shù)1轉(zhuǎn)換為二值像素灰度值；根據(jù)所述的二值像素灰度值構(gòu)建所述文字-非文字二值圖像。結(jié)合上述第一方面，在第三種可能的實施方式中，在所述將所述文本空間分布參數(shù)中小于預(yù)設(shè)閾值的參數(shù)設(shè)置為0；將所述文本空間分布參數(shù)中大于預(yù)設(shè)閾值的參數(shù)設(shè)置為1之前，還包括：構(gòu)建降維模型；將所述文本空間分布參數(shù)輸入所述降維模型；通過參數(shù)重構(gòu)的方式將所述文本空間分布參數(shù)進行降維處理。結(jié)合上述第一方面，在第四種可能的實施方式中，所述構(gòu)建降維模型，包括：獲取預(yù)先標注的二值化圖像的文本空間分布參數(shù)作為標定文本空間分布參數(shù)；將所述二值化圖像的像素灰度值輸入所述降維模型生成重構(gòu)文本空間分布參數(shù)；根據(jù)所述標定文本空間分布參數(shù)與所述重構(gòu)文本空間分布參數(shù)運算得到當前誤差；計算所述當前誤差與基礎(chǔ)誤差的差值；其中，所述基礎(chǔ)誤差為上次運算得到的誤差；判斷所述差值是否小于第三預(yù)設(shè)閾值；若所述差值大于等于所述第三預(yù)設(shè)閾值，根據(jù)所述當前誤差調(diào)整所述降維模型的未知參數(shù)，將所述當前誤差確定為基礎(chǔ)誤差，并重復(fù)執(zhí)行步驟將所述二值化圖像的像素灰度值輸入所述降維模型生成重構(gòu)文本空間分布參數(shù)，直至所述差值小于所述第三預(yù)設(shè)閾值；若所述差值小于所述第三預(yù)設(shè)閾值，將所述降維模型未知參數(shù)的當前值確定為模型參數(shù)。結(jié)合上述第一方面，在第五種可能的實施方式中，所述獲取所述參數(shù)回歸模型的目標文本空間分布參數(shù)，包括：讀取所述降維模型最后一層的輸出數(shù)據(jù)；將所述降維模型最后一層的輸出數(shù)據(jù)確定為所述目標文本空間分布參數(shù)。第二方面，本發(fā)明提供了一種圖像中文字區(qū)域的定位裝置，包括：構(gòu)建模塊，用于構(gòu)建參數(shù)回歸模型；生成模塊，用于通過所述構(gòu)建模塊所構(gòu)建的參數(shù)回歸模型生成與圖像對應(yīng)的文本空間分布參數(shù)；重構(gòu)模塊，用于根據(jù)所述生成模塊所生成的文本空間分布參數(shù)重構(gòu)與所述圖像對應(yīng)的文字-非文字二值圖像。在第二方面第一種可能的實現(xiàn)方式中，所述構(gòu)建模塊包括：獲取單元，生成單元、 計算單元、判斷單元、調(diào)整單元和確定單元，其中，所述獲取單元，用于獲取所述參數(shù)回歸模型的目標文本空間分布參數(shù)；所述生成單元，用于將測試圖像輸入所述參數(shù)回歸模型生成測試文本空間分布參數(shù)；所述計算單元，用于根據(jù)所述目標文本空間分布參數(shù)與所述測試文本空間分布參數(shù)運算得到當前誤差；還用于計算所述當前誤差與基礎(chǔ)誤差的差值；其中，所述基礎(chǔ)誤差為上次運算得到的誤差；所述判斷單元，用于判斷所述差值是否小于第一預(yù)設(shè)閾值；在所述差值大于或者等于所述第一預(yù)設(shè)閾值時，所述調(diào)整單元，用于根據(jù)所述當前誤差調(diào)整所述參數(shù)回歸模型的未知參數(shù)；所述確定單元，用于在所述差值大于或者等于所述第一預(yù)設(shè)閾值時，將所述當前誤差確定為基礎(chǔ)誤差；在所述差值小于所述第一預(yù)設(shè)閾值時，所述確定單元，還用于將所述參數(shù)回歸模型未知參數(shù)的當前值確定為模型參數(shù)。結(jié)合上述第二方面，在第二種可能的實施方式中，所述重構(gòu)模塊包括：二值化單元、轉(zhuǎn)換單元和構(gòu)建單元，其中，所述二值化單元，用于將所述文本空間分布參數(shù)中小于第二預(yù)設(shè)閾值的參數(shù)設(shè)置為0；將所述文本空間分布參數(shù)中大于所述第二預(yù)設(shè)閾值的參數(shù)設(shè)置為1；所述轉(zhuǎn)換單元，用于將參數(shù)0和參數(shù)1轉(zhuǎn)換為二值像素灰度值；所述構(gòu)建單元，用于根據(jù)所述的二值像素灰度值構(gòu)建所述文字-非文字二值圖像。結(jié)合上述第二方面，在第三種可能的實施方式中，所述裝置還包括：輸入單元和降維單元，其中，所述構(gòu)建模塊，還用于構(gòu)建降維模型；所述輸入單元，用于將所述文本空間分布參數(shù)輸入所述降維模型；所述降維單元，用于通過參數(shù)重構(gòu)的方式將所述文本空間分布參數(shù)進行降維處理。結(jié)合上述第二方面，在第四種可能的實施方式中，所述獲取單元，還用于獲取預(yù)先標注的二值化圖像的文本空間分布參數(shù)作為標定文本空間分布參數(shù)；所述生成單元，還用于將所述二值化圖像的像素灰度值輸入所述降維模型生成重構(gòu)文本空間分布參數(shù)；所述計算單元，還用于根據(jù)所述標定文本空間分布參數(shù)與所述重構(gòu)文本空間分布參數(shù)運算得到當前誤差；計算所述當前誤差與基礎(chǔ)誤差的差值；所述判斷單元，還用于判斷所述差值是否小于第三預(yù)設(shè)閾值；在所述差值大于等于所述第三預(yù)設(shè)閾值時，所述調(diào)整單元，還用于根據(jù)所述當前誤差調(diào)整所述降維模型的未知參數(shù)；所述確定單元，還用于將所述當前誤差確定為基礎(chǔ)誤差；在所述差值小于所述第三預(yù)設(shè)閾值時，所述確定單元，還用于將所述降維模型未知參數(shù)的當前值確定為模型參數(shù)。結(jié)合上述第二方面，在第五種可能的實施方式中，所述獲取單元包括：讀取子單元，用于讀取所述降維模型最后一層的輸出數(shù)據(jù)；所述確定單元，還用于將所述降維模型最后一層的輸出數(shù)據(jù)確定為所述目標文本空間分布參數(shù)。由以上技術(shù)方案可知，本發(fā)明實施例在定位圖像中的文字區(qū)域時，首先，構(gòu)建參數(shù)回歸模型，通過參數(shù)回歸模型生成與圖像相對應(yīng)的文本空間分布參數(shù)，然后，根據(jù)文本 空間分布參數(shù)構(gòu)建文字-非文字二值圖像，將圖像的文本和非文本明確的表示出。即，將圖像參數(shù)化，通過對圖像對應(yīng)的參數(shù)進行處理，將圖像中的文字區(qū)域進行明確的定位。可以看出，本發(fā)明實施例的技術(shù)方案，完全摒棄傳統(tǒng)通過圖像輪廓或者區(qū)域特征進行文字區(qū)域定位的方式，通過對圖像更深層次的語義特征，圖像文本空間分布參數(shù)，進行分析，對文字區(qū)域進行定位，不僅能夠避免圖像尺寸、字體、顏色、語種等對定位的干擾，使定位更加精準，更加魯棒，而且該方法基于圖像最基本的語義特征，能夠適用于各種格式的圖像，具有通用性。應(yīng)當理解的是，以上的一般描述和后文的細節(jié)描述僅為示例性和解釋性描述，對本發(fā)明技術(shù)方案并不構(gòu)成限制。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。通過附圖所示，本發(fā)明的上述及其它目的、特征和優(yōu)勢將更加清晰。在全部附圖中相同的附圖標注指示相同的部分。并未刻意按實際尺寸等比例縮放繪制附圖，重點在于示出本發(fā)明的主旨。圖1是本發(fā)明實施例提供的一種圖像中文字區(qū)域的定位方法的流程圖；圖2是本發(fā)明實施例提供的另一種圖像中文字區(qū)域的定位方法的流程圖；圖3是本發(fā)明提供待定位圖像的示意圖；圖4為圖3所示圖像對應(yīng)的文字-非文字二值圖像；圖5是本發(fā)明實施例提供的一種圖像中文字區(qū)域的定位裝置的結(jié)構(gòu)示意圖；圖6是本發(fā)明實施例提供的另一種圖像中文字區(qū)域的定位裝置的結(jié)構(gòu)示意圖。具體實施方式現(xiàn)有的定位圖像中文字區(qū)域的方式包括：基于區(qū)域特征提取(MaximallyStableExtremalRegions，MSER)或者基于筆畫寬度變換(StrokeWidthTransform，SWT)的文字區(qū)域定位方法等。而現(xiàn)有的文字區(qū)域定位方式大多基于人工設(shè)計的特征和規(guī)則實現(xiàn)，人工設(shè)計的特征和規(guī)則泛化能力并不好，對于定位顏色單一，文字欄、文字行、文字間隔一致等規(guī)則單一的文字區(qū)域比較適用，在檢測復(fù)雜多變的圖像中的文字區(qū)域時，很容易產(chǎn)生誤檢，魯棒性差。為了解決上述技術(shù)問題，提出了本發(fā)明技術(shù)方案。下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整 的描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。請參見圖1，圖1為本發(fā)明實施例提供的一種圖像中文字區(qū)域的定位方法的流程，該方法包括以下步驟。步驟S101，構(gòu)建參數(shù)回歸模型。其中，本發(fā)明實施例通過參數(shù)回歸的方式將圖像轉(zhuǎn)換為文本空間分布參數(shù)，為了能夠精確的得到圖像的文本空間分布參數(shù)，本發(fā)明實施例的技術(shù)方案可通過標注樣本學(xué)習(xí)的方式構(gòu)建參數(shù)回歸模型。本實施例中，參數(shù)回歸模型可以為深度卷積網(wǎng)絡(luò)(Depthofconvolutionalnetwork，DCNN)、深度神經(jīng)網(wǎng)絡(luò)(Depthofneuralnetwork，DNN)、支持向量機(SupportVectorMachine，SVM))或者AdaBoost等。具體的，本實施例以DCNN學(xué)習(xí)優(yōu)化為例，對構(gòu)建參數(shù)回歸模型進行說明。首先確定參數(shù)回歸模型，參數(shù)回歸模型可以如下述式(1)至式(4)，其中，S為參數(shù)回歸模型的目標文本空間分布參數(shù)，x為輸入的文本圖像，S與x滿足映射關(guān)系F，如式(1)所示，在本發(fā)明實施例中F代表非線性映射函數(shù)，該映射關(guān)系如式(2)所示。式(2)中fi為每一層的映射函數(shù)，映射函數(shù)式如式(3)所示。式(3)中σ代表激活函數(shù)，例如，式(4)所示，為最后一層的激活函數(shù)。F:S←x(1)F*=argminF||Sg(x)-fk(fk-1(Lf1(x)))||22+αΣi=1k||Wi||F2---(2)]]>fi(ai-1)＝σ(Wiai-1+bi)@ai,i＝1,K,k-1(3)fk(ak-1)＝Wkak-1+bk@S0(4)本實施例中，在初始狀態(tài)時將Wi,bi的值預(yù)設(shè)為任意非零的參數(shù)，該初始化值可以為任意自然數(shù)。由于初始時Wi,bi的值為任意值，導(dǎo)致參數(shù)回歸模型可能并非最佳模型，根據(jù)輸入樣本圖像計算所得的文本空間分布參數(shù)可能與目標文本空間分布參數(shù)存在較大的誤差，因此，構(gòu)建參數(shù)回歸模型的過程為優(yōu)化模型中Wi,bi的過程。由于模型的優(yōu)化程度能夠通過文本空間分布參數(shù)的誤差進行反應(yīng)，在本發(fā)明實施例中，可以以誤差為根據(jù)對Wi,bi的值進行調(diào)整，從而對模型進行優(yōu)化。具體的，以一個標注出文字區(qū)域的二值圖像作為樣本，可以將該樣本的文本空間分布參數(shù)作為參數(shù)回歸函數(shù)的目標文本空間分布參數(shù)，即式(1)中的S，然后將該樣本的RGB圖像作為輸入樣本圖像，即式(1)中的x。將當前參數(shù)回歸模型計算所得的文本空間分布參數(shù)作為測試文本空間分布參數(shù)，計算測試文本空間分布參數(shù)和目標文本空間分布參數(shù)的誤差，并計算當前誤差與上次所得誤差的差值，如果該差值小于預(yù)設(shè)第一預(yù)設(shè)閾值，則認為Wi,bi已經(jīng)收斂到最優(yōu)值，可以作為參數(shù)回歸模型的模型參數(shù)；如果該差值大于或者等于預(yù)設(shè)第一預(yù)設(shè)閾值，說明當前Wi,bi并未收斂到最優(yōu)值，可以根據(jù)當前誤差值調(diào)整Wi,bi，以縮小測試文本空間分布參數(shù)和目標文本空間分布參數(shù)的誤差，然后重新將該樣本的RGB圖像作為輸入樣本圖像輸入?yún)?shù)回歸模型，生成新的測試文本空間分布參數(shù)，計算得到新的誤差，然后計算本次得到的新的誤差與上次誤差的差值，直到差值小于預(yù)設(shè)第一預(yù)設(shè)閾值。需要說明的是，本實施例中，當?shù)谝淮螌颖緢D像輸入?yún)?shù)回歸模型時，由于不存在上次所產(chǎn)生的誤差，因此，在計算本次誤差與上次誤差的差值時，將上次誤差設(shè)置為0。此外，第一預(yù)設(shè)閾值可以根據(jù)參數(shù)回歸模型的具體函數(shù)關(guān)系，以及經(jīng)驗值設(shè)定，并非固定值，本發(fā)明此處不進行贅述。本實施例中，通過機器學(xué)習(xí)的方式對參數(shù)回歸模型進行訓(xùn)練，不僅能夠保證模型在使用時輸出的參數(shù)精確度更高，而且能夠避免人工設(shè)計的特征，適用性更廣。步驟S102，通過所述參數(shù)回歸模型生成與圖像對應(yīng)的文本空間分布參數(shù)。其中，如果將圖像作為二維空間，那么圖像中每個像素均與該二維空間的一個位置對應(yīng)，而二維空間的位置可以通過文本空間分布參數(shù)表示，因此，圖像中每個像素均與一個文本空間分布參數(shù)相互映射，可以通過文本空間分布參數(shù)表示像素所在的位置。根據(jù)上述描述可知，參數(shù)回歸模型通過標注樣本反復(fù)學(xué)習(xí)構(gòu)建，將圖像輸入?yún)?shù)回歸模型即可生成該圖像的文本空間分布參數(shù)，而且所得到的文本空間分布參數(shù)相對較準確。需要指出的，在得到像素對應(yīng)位置的同時，還應(yīng)當?shù)玫皆撓袼氐念伾担员阌诖_定圖像中文字區(qū)域的位置，因此，在輸入圖像后，模型通過讀取像素的R、G、B三個顏色值計算該像素的文本空間分布參數(shù)，而所生成的文本空間分布參數(shù)為一系列可以表示像素位置及顏色的浮點數(shù)，例如，0.5、0.8等，其中，每個浮點數(shù)對應(yīng)圖像中的一個像素。此外，在構(gòu)建參數(shù)回歸模型時，為了減少計算量，提高模型處理圖像的效率，可以通過最近鄰插值算法將圖像進行歸一化處理，降低圖像的維度，例如，將原大小為 1024*1024的圖像，通過最近鄰插值算法歸一化為256*256大小。需要指出的是，為了保證所生成的文本空間分布參數(shù)的準確性，構(gòu)建參數(shù)回歸模型時輸入的樣本圖像大小為多少，通過參數(shù)回歸模型定位時輸入的圖像也應(yīng)當為相應(yīng)大小，例如，若構(gòu)建參數(shù)回歸模型時，輸入的樣本圖像大小為256*256，那么在使用參數(shù)回歸模型時所輸入的圖像大小也為256*256。當然，上述僅為本發(fā)明的一個優(yōu)選實施方式，根據(jù)參數(shù)回歸模型的不同，圖像歸一化后的大小也不相同，本發(fā)明對此不做限制。此外，通過最近鄰插值算法將圖像進行處理為本領(lǐng)域技術(shù)人員所熟知的技術(shù)，本發(fā)明此處不再贅述。本實施例的設(shè)定，不僅能夠準確的得到圖像像素對應(yīng)的文本空間分布參數(shù)，為定位文字區(qū)域的提供精確的數(shù)據(jù)依據(jù)，而且將圖像進行歸一化處理，還能夠大大減少參數(shù)回歸模型的計算量。步驟S103，根據(jù)所述文本空間分布參數(shù)重構(gòu)與所述圖像對應(yīng)的文字-非文字二值圖像。其中，在商品圖像中，為了能夠吸引消費者的注意力，宣傳或描述性文字大多醒目，即使圖像中可能會出現(xiàn)不同顏色、位置和大小的文字，但是文字在一個小區(qū)域內(nèi)通常具有很強的一致性，那么所表現(xiàn)的為該區(qū)域內(nèi)的像素灰度值接近，而且與其他區(qū)域內(nèi)的像素灰度值不同，因此，可以通過分析圖像中的像素灰度值及所在位置，對圖像中的文字區(qū)域進行定位。根據(jù)上述描述可知，文本空間分布參數(shù)所表示的為圖像像素灰度值及位置，本實施例通過對文本空間分布參數(shù)的處理檢測圖像的文字區(qū)域。為了明確的將文字區(qū)域與非文字區(qū)域進行區(qū)分，本發(fā)明實施例將文字與非文字區(qū)域設(shè)置為兩種顏色的二值圖像。例如，將文字區(qū)域設(shè)置白色，非文字區(qū)域設(shè)置為黑色。具體的，由于所生成的文本空間分布參數(shù)為大小各異的數(shù)值，首先，需要將文本空間分布參數(shù)二值化，然后將二值化的文本空間分布參數(shù)轉(zhuǎn)化為二值化的像素灰度值，從而根據(jù)二值化的像素灰度值構(gòu)建文字-非文字二值圖像。將文本空間分布參數(shù)二值化包括，設(shè)定第二預(yù)設(shè)閾值，將文本空間分布參數(shù)中小于第二預(yù)設(shè)閾值的參數(shù)設(shè)置為0；將文本空間分布參數(shù)中大于第二預(yù)設(shè)閾值的參數(shù)設(shè)置為1，從而使文本空間分布參數(shù)只存在兩種設(shè)置。若構(gòu)建黑-白二值圖像，再將二值化后的文本空間分布參數(shù)乘以255，生成黑色和白色兩種顏色灰度值，按照顏色灰度值構(gòu)建形成文字-非文字二值圖像。需要指出的，構(gòu)建形成的二值圖像與輸入?yún)?shù)回歸模型的圖像大小一致，而輸入?yún)?shù)回歸模型的圖像可能已經(jīng)經(jīng)過歸一化處理，并非原大小，導(dǎo)致構(gòu)建形成的二值圖像并非原大小，因此，在得到文字-非文字二值圖像之后，還需要判斷該二值圖像是否小于原圖像的大小，若小于，則通過最近鄰插值算法將該二值圖像歸一化為原圖像大小。由上述實施例可知，本發(fā)明實施例所述的圖像中文字區(qū)域的定位方法，將圖像參數(shù)化，通過對圖像對應(yīng)的參數(shù)進行處理，將圖像中的文字區(qū)域進行明確的定位。可以看出，本發(fā)明實施例的技術(shù)方案，完全摒棄傳統(tǒng)通過圖像輪廓或者區(qū)域特征進行文字區(qū)域定位的方式，通過對圖像更深層次的語義特征，圖像文本空間分布參數(shù)，進行分析，對文字區(qū)域進行定位，不僅能夠避免圖像尺寸、字體、顏色、語種等對定位的干擾，使定位更加精準，更加魯棒，而且該方法基于圖像最基本的語義特征，能夠適用于各種格式的圖像，具有通用性。上述實施例從一個方面描述了本發(fā)明實施例的定位方法，為了使本發(fā)明的技術(shù)方案更加清楚、完善，在上述實施例的基礎(chǔ)上，本發(fā)明實施例還從另一個方面對本發(fā)明技術(shù)方案進行了描述。由于本實施例是對上述實施例的補充描述，因此，本實施例與上述實施例相同的部分詳見上述實施例的描述，本實施例中不再贅述。請參見圖2，圖2為本發(fā)明實施例提供的另一種圖像中文字區(qū)域的定位方法的流程圖，該問題定位方法包括以下步驟。步驟S201，構(gòu)建參數(shù)回歸模型。本實施例中，假設(shè)參數(shù)回歸模型為DCNN，構(gòu)建DCNN時，樣本圖像大小的256*256。構(gòu)建DCNN的過程詳見上述實施例的描述，本實施例此處不再贅述。步驟S202，通過所述參數(shù)回歸模型生成與圖像對應(yīng)的文本空間分布參數(shù)。參見圖3，圖3為本發(fā)明實施例提供的待定位圖像，該圖像中區(qū)域01、區(qū)域02和區(qū)域03為文字區(qū)域，其他區(qū)域為背景區(qū)域。假設(shè)該圖像的大小為1024*1024，由于構(gòu)建DCNN時的樣本圖像大小為256*256，因此，在將圖3中的圖像輸入DCNN模型之前，需要將該圖像通過最近鄰插值算法歸一化為256*256，然后將歸一化的圖像輸入DCNN，DCNN模型讀取每個像素的R、G和B的值，并進行計算，對應(yīng)每個像素生成一個文本空間分布參數(shù)。步驟S203，構(gòu)建降維模型。其中，在根據(jù)文本空間分布參數(shù)構(gòu)建二值圖像時，為了降低數(shù)據(jù)處理量，可以將文本空間分布參數(shù)進行降維處理，而將文本空間分布參數(shù)進行降維處理需要通過降維模型進行，因此，需要構(gòu)建降維模型。降維模型設(shè)置有多層網(wǎng)絡(luò)和多個節(jié)點，第一層網(wǎng)絡(luò)接收輸入數(shù)據(jù)后進行運算，運算過程中將節(jié)點進行一次合并；第一層網(wǎng)絡(luò)的輸出數(shù)據(jù)作為第二層網(wǎng)絡(luò)的輸入數(shù)據(jù)，將節(jié)點進行二次合并，并將輸出數(shù)據(jù)作為第三層網(wǎng)絡(luò)的輸入數(shù)據(jù)，直到得到最后一層網(wǎng)絡(luò)的輸出數(shù)據(jù)，通過每層的節(jié)點合并完成降維處理。本實施例中，降維模型可以為深度玻爾茲曼機(ThedepthoftheBoltzmannmachine，DBM)、深度置信網(wǎng)絡(luò)(Deepbeliefnetwork，DBN)或受限玻爾茲曼機(restrictedBoltzmann machine，RBM)等。為了能夠避免人工設(shè)計的特征，與構(gòu)建參數(shù)回歸模型類似，降維模型也可以通過標注樣本學(xué)習(xí)的方式構(gòu)建。本實施例以DBM為例，對構(gòu)建降維模型進行詳細描述。首先，構(gòu)建三層DBM模型，詳見式(4)，其中，v代表可見變量，h1和h2分別為第二層和第三層的隱層變量，w為節(jié)點單元之間連接邊的權(quán)重，b和c為節(jié)點單元偏置量。與構(gòu)建參數(shù)回歸模型相似，在初始狀態(tài)時，將上述未知參數(shù)設(shè)定為任意非零的參數(shù)，并通過樣本訓(xùn)練確定最優(yōu)值。E(v,h1,h2)=Σibivi+Σi,jwij1vihj1+Σjcj1hj1+Σj,kwjk2hj1hk2+Σkck2hk2---(4)]]>以一個預(yù)先標注的二值圖像作為樣本，獲取該二值圖像的文本空間分布參數(shù)作為DBM模型訓(xùn)練的標定文本空間分布參數(shù)，將該樣本的像素灰度值輸入降維模型生成重構(gòu)文本空間分布參數(shù)。由于重構(gòu)文本空間分布參數(shù)通過降維模型生成，因此，降維模型中未知參數(shù)的值，可以直接通過重構(gòu)文本空間分布參數(shù)與標定文本空間分布參數(shù)的誤差體現(xiàn)，與構(gòu)建參數(shù)回歸模型類似，可以以誤差值為依據(jù)對降維模型進行優(yōu)化。具體的，根據(jù)標定文本空間分布參數(shù)與重構(gòu)文本空間分布參數(shù)運算得到當前誤差，計算當前誤差與上次所得誤差的差值，如果該差值小于預(yù)設(shè)第三預(yù)設(shè)閾值，則認為未知參數(shù)已經(jīng)收斂到最優(yōu)值，可以作為降維模型的模型參數(shù)；如果該差值大于或者等于預(yù)設(shè)第三預(yù)設(shè)閾值，說明當前未知參數(shù)并未收斂到最優(yōu)值，可以根據(jù)當前誤差值進行調(diào)整，以縮小重構(gòu)文本空間分布參數(shù)和標定文本空間分布參數(shù)的誤差，然后重新將該樣本的像素灰度值輸入降維模型，生成新的重構(gòu)文本空間分布參數(shù)，計算得到新的誤差，然后計算本次得到的新的誤差與上次誤差的差值，直到差值小于預(yù)設(shè)第三預(yù)設(shè)閾值。需要說明的是，本實施例中，當?shù)谝淮螌颖镜南袼鼗叶戎递斎虢稻S模型時，由于不存在上次所產(chǎn)生的誤差，因此，在計算本次誤差與上次誤差的差值時，將上次誤差設(shè)置為0。此外，將樣本的像素灰度值輸入降維模型生成重構(gòu)文本空間分布參數(shù)，具體包括：按照預(yù)設(shè)順序?qū)⒍祱D像的像素灰度值輸入DBM模型的第一層，DBM模型第一層運算的輸出數(shù)據(jù)作為第二層的輸入數(shù)據(jù)繼續(xù)運算，第二層的輸出數(shù)據(jù)作為第三層的輸入數(shù)據(jù)進行運算，DBM模型從第一層開始逐層將輸出數(shù)據(jù)作為下一層的輸入數(shù)據(jù)，直至得到最后一層的輸出數(shù)據(jù)。然后，利用最后一層的輸出數(shù)據(jù)進行逆運算，得到該二值圖像的重構(gòu)文本空間分布參數(shù)。需要說明的是，由于預(yù)先標注的二值圖像為二維的圖像，而在訓(xùn)練DBM模型時，所輸入的數(shù)據(jù)應(yīng)當為一維，因此，在讀取數(shù)據(jù)時，以預(yù)先設(shè)定的排或者列為順序進行讀取。此外，本實施例中的DBM模型設(shè)置有三層網(wǎng)絡(luò)，第二層的節(jié)點數(shù)量可以設(shè)置為1024，第三層的節(jié)點數(shù)量可以為256。當然，本實施例僅為本發(fā)明的一個優(yōu)選示例，設(shè)計網(wǎng)絡(luò)時，可以根據(jù)需求設(shè)置不同數(shù)量的網(wǎng)絡(luò)層和每層的節(jié)點數(shù)，本發(fā)明對此不做限制。步驟S204，將所述文本空間分布參數(shù)輸入所述降維模型。步驟S205，通過參數(shù)重構(gòu)的方式將所述文本空間分布參數(shù)進行降維處理。將DCNN生成的待定位圖像的文本空間分布參數(shù)輸入DBM，DBM通過上述步驟的計算方式逐層進行參數(shù)重構(gòu)，DBM最后一層所輸出的數(shù)據(jù)為降維后的文本空間分布參數(shù)。其中，參數(shù)重構(gòu)為本領(lǐng)域技術(shù)人員慣用的技術(shù)手段，本發(fā)明此處不再詳述。由上述實施例可知，DCNN所輸出的文本空間分布參數(shù)為浮點數(shù)，而DBM是通過參數(shù)重構(gòu)的方式降低文本空間分布參數(shù)的維度，并不改變文本空間分布參數(shù)值，因此，降維后的文本空間分布參數(shù)仍然為浮點數(shù)。需要說明的是，由于DCNN與DBM是對同一副圖像進行處理，而通過上述描述可知，DBM將最后一層隱層的輸出數(shù)據(jù)作為所抽取的特征，因此，為了增強對文字區(qū)域定位的穩(wěn)定性和魯棒性，在構(gòu)建模型時，可以將DBM最后一層的輸出數(shù)據(jù)作為DCNN的目標文本空間分布參數(shù)。這樣的設(shè)定，首先，通過同一個樣本對DCNN和DBM進行訓(xùn)練，將DCNN和DBM結(jié)合訓(xùn)練和使用，能夠大大的提高定位的性能；其次，DBM最后一層的輸出數(shù)據(jù)為所抽取的特征，因此，不僅具有明確的代表性，而且數(shù)據(jù)量少，作為目標文本空間分布參數(shù)訓(xùn)練DCNN時，能夠在保證訓(xùn)練精確度的條件下很大程度的減少運算量。本實施例中，通過將參數(shù)回歸模型和降維模型結(jié)合使用，能夠大大的提高定位時的性能，而且能夠使得處理結(jié)果魯棒性更高。步驟S206，將所述文本空間分布參數(shù)中小于預(yù)設(shè)閾值的參數(shù)設(shè)置為0；將所述文本空間分布參數(shù)中大于預(yù)設(shè)閾值的參數(shù)設(shè)置為1。其中，本實施例具體為將DBM降維后的文本空間分布參數(shù)進行二值化設(shè)置。步驟S207，將參數(shù)0和參數(shù)1轉(zhuǎn)換為二值像素灰度值。本實施例以將圖3轉(zhuǎn)換為黑-白二值圖為例，將二值化的參數(shù)乘以255，得到像素灰度值0和255，其中，像素灰度值255表示該像素為黑色，像素灰度值0表示該像素為白色。當然，上述僅為本發(fā)明的優(yōu)選示例，也可以將二值化的參數(shù)轉(zhuǎn)化為其他顏色和白色，只要能夠?qū)^(qū)域01、區(qū)域02、區(qū)域03和背景區(qū)域明確的進行區(qū)分即可，本發(fā)明對此不做限制。步驟S208，根據(jù)所述文本空間分布參數(shù)重構(gòu)與所述圖像對應(yīng)的文字-非文字二值圖像。如圖4所示，其為根據(jù)像素灰度值，構(gòu)建出的圖3對應(yīng)的黑-白二值圖像，其中，區(qū)域01、區(qū)域02和區(qū)域03為白的，背景區(qū)域為黑色，從而將圖3中的三處文字區(qū)域進行了明確的定位。此外，需要說明的，由于將圖3輸入DCNN前，將圖3歸一化為大小256*256，而與該大小的圖像對應(yīng)的文本空間分布參數(shù)所表示的也為256*256的二維空間，因此，DBM所生成的二值圖像大小也為256*256，而圖3為中圖像的大小為1024*1024，所以，在DBM生成二值圖像后，還需要將二值圖像通過最近鄰插值算法歸一化為1024*1024大小，得到圖4所示的圖像。由以上技術(shù)方案可知，本發(fā)明實施例在定位圖像中的文字區(qū)域時，首先，構(gòu)建參數(shù)回歸模型，通過參數(shù)回歸模型生成與圖像相對應(yīng)的文本空間分布參數(shù)，然后，根據(jù)文本空間分布參數(shù)構(gòu)建文字-非文字二值圖像，將圖像的文本和非文本明確的表示出。即，將圖像參數(shù)化，通過對圖像對應(yīng)的參數(shù)進行處理，將圖像中的文字區(qū)域進行明確的定位?？梢钥闯?，本發(fā)明實施例的技術(shù)方案，完全摒棄傳統(tǒng)通過圖像輪廓或者區(qū)域特征進行文字區(qū)域定位的方式，通過對圖像更深層次的語義特征，圖像文本空間分布參數(shù)，進行分析，對文字區(qū)域進行定位，不僅能夠避免圖像尺寸、字體、顏色、語種等對定位的干擾，使定位更加精準，更加魯棒，而且該方法基于圖像最基本的語義特征，能夠適用于各種格式的圖像，具有通用性。與上述實現(xiàn)方法相對應(yīng)的，本發(fā)明實施例還提供了一種圖像中文字區(qū)域的定位裝置，請參見圖5，圖5為本發(fā)明實施例提供的一種圖像中文字區(qū)域的定位裝置的結(jié)構(gòu)示意圖，該裝置包括：構(gòu)建模塊11、生成模塊12和重構(gòu)模塊13。其中，構(gòu)建模塊11，用于構(gòu)建參數(shù)回歸模型；生成模塊12，用于通過所述構(gòu)建模塊11所構(gòu)建的參數(shù)回歸模型生成與圖像對應(yīng)的文本空間分布參數(shù)；重構(gòu)模塊13，用于根據(jù)所述生成模塊12所生成的文本空間分布參數(shù)重構(gòu)與所述圖像對應(yīng)的文字-非文字二值圖像。所述裝置中各個單元的功能和作用的實現(xiàn)過程詳見上述方法中對應(yīng)的實現(xiàn)過程，在此不再贅述。由本實施例可以看出，本發(fā)明實施例所述的圖像中文字區(qū)域的定位方法，將圖像參數(shù)化，通過對圖像對應(yīng)的參數(shù)進行處理，將圖像中的文字區(qū)域進行明確的定位。可以看出，本發(fā)明實施例的技術(shù)方案，完全摒棄傳統(tǒng)通過圖像輪廓或者區(qū)域特征進行文字區(qū)域定位的方式，通過對圖像更深層次的語義特征，圖像文本空間分布參數(shù)，進行分析，對文字區(qū)域進行定位，不僅能夠避免圖像尺寸、字體、顏色、語種等對定位的干擾，使定位更加精準，更加魯棒，而且該方法基于圖像最基本的語義特征，能夠適用于各種格式的圖像，具有通用性。在上述實施例的基礎(chǔ)上，在本實施例中，所述構(gòu)建模塊11包括：獲取單元，生成單元、計算單元、判斷單元、調(diào)整單元和確定單元，其中，所述獲取單元，用于獲取所述參數(shù)回歸模型的目標文本空間分布參數(shù)；所述生成單元，用于將測試圖像輸入所述參數(shù)回歸模型生成測試文本空間分布參數(shù)；所述計算單元，用于根據(jù)所述目標文本空間分布參數(shù)與所述測試文本空間分布參數(shù)運算得到當前誤差；還用于計算所述當前誤差與基礎(chǔ)誤差的差值；其中，所述基礎(chǔ)誤差為上次運算得到的誤差；所述判斷單元，用于判斷所述差值是否小于第一預(yù)設(shè)閾值；在所述差值大于或者等于所述第一預(yù)設(shè)閾值時，所述調(diào)整單元，用于根據(jù)所述當前誤差調(diào)整所述參數(shù)回歸模型的未知參數(shù)；所述確定單元，用于在所述差值大于或者等于所述第一預(yù)設(shè)閾值時，將所述當前誤差確定為基礎(chǔ)誤差；在所述差值小于所述第一預(yù)設(shè)閾值時，所述確定單元，還用于將所述參數(shù)回歸模型未知參數(shù)的當前值確定為模型參數(shù)。所述重構(gòu)模塊13包括：二值化單元、轉(zhuǎn)換單元和構(gòu)建單元，其中，所述二值化單元，用于將所述文本空間分布參數(shù)中小于第二預(yù)設(shè)閾值的參數(shù)設(shè)置為0；將所述文本空間分布參數(shù)中大于所述第二預(yù)設(shè)閾值的參數(shù)設(shè)置為1；所述轉(zhuǎn)換單元，用于將參數(shù)0和參數(shù)1轉(zhuǎn)換為二值像素灰度值；所述構(gòu)建單元，用于根據(jù)所述的二值像素灰度值構(gòu)建所述文字-非文字二值圖像。為了使本發(fā)明的技術(shù)方案更加詳細，本發(fā)明實施例還提供了另一種圖像中文字區(qū)域的定位裝置，請參見圖6，圖6是本發(fā)明實施例提供的另一種圖像中文字區(qū)域的定位裝置的結(jié)構(gòu)示意圖，該裝置包括：構(gòu)建模塊21、生成模塊22、輸入單元23、降維單元24和重構(gòu)模塊25。其中，構(gòu)建模塊21、生成模塊22和重構(gòu)模塊25的功能和作用與上述實施例相似，本發(fā)明實施例此處不再贅述。在本實施例中，構(gòu)建模塊21，還用于還用于構(gòu)建降維模型；輸入單元23，用于將所述文本空間分布參數(shù)輸入所述降維模型；降維單元24，用于通過參數(shù)重構(gòu)的方式將所述文本空間分布參數(shù)進行降維處理。在本實施例中，構(gòu)建模塊21中的獲取單元，還用于獲取預(yù)先標注的二值化圖像的文本空間分布參數(shù)作為標定文本空間分布參數(shù)；所述生成單元，還用于將所述二值化圖像的像素灰度值輸入所述降維模型生成重構(gòu)文本空間分布參數(shù)；所述計算單元，還用于根據(jù)所述標定文本空間分布參數(shù)與所述重構(gòu)文本空間分布參數(shù)運算得到當前誤差；計算所述當前誤差與基礎(chǔ)誤差的差值；所述判斷單元，還用于判斷所述差值是否小于第三預(yù)設(shè)閾值；在所述差值大于等于所述第三預(yù)設(shè)閾值時，所述調(diào)整單元，還用于根據(jù)所述當前誤差調(diào)整所述降維模型的未知參數(shù)；所述確定單元，還用于將所述當前誤差確定為基礎(chǔ)誤差；在所述差值小于所述第三預(yù)設(shè)閾值時，所述確定單元，還用于將所述降維模型未知參數(shù)的當前值確定為模型參數(shù)。結(jié)合上述實施例，在本實施例中，所述獲取單元包括讀取子單元，用于讀取所述降 維模型最后一層的輸出數(shù)據(jù)；在本實施例中，所述確定單元，還用于將所述降維模型最后一層的輸出數(shù)據(jù)確定為所述目標文本空間分布參數(shù)。所述裝置中各個單元的功能和作用的實現(xiàn)過程詳見上述方法中對應(yīng)的實現(xiàn)過程，在此不再贅述。綜合上述，本發(fā)明實施例在定位圖像中的文字區(qū)域時，首先，構(gòu)建參數(shù)回歸模型，通過參數(shù)回歸模型生成與圖像相對應(yīng)的文本空間分布參數(shù)，然后，根據(jù)文本空間分布參數(shù)構(gòu)建文字-非文字二值圖像，將圖像的文本和非文本明確的表示出。即，將圖像參數(shù)化，通過對圖像對應(yīng)的參數(shù)進行處理，將圖像中的文字區(qū)域進行明確的定位?？梢钥闯?，本發(fā)明實施例的技術(shù)方案，完全摒棄傳統(tǒng)通過圖像輪廓或者區(qū)域特征進行文字區(qū)域定位的方式，通過對圖像更深層次的語義特征，圖像文本空間分布參數(shù)，進行分析，對文字區(qū)域進行定位，不僅能夠避免圖像尺寸、字體、顏色、語種等對定位的干擾，使定位更加精準，更加魯棒，而且該方法基于圖像最基本的語義特征，能夠適用于各種格式的圖像，具有通用性。本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里公開的發(fā)明后，將容易想到本發(fā)明的其它實施方案。本發(fā)明旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本發(fā)明未公開的本
技術(shù)領(lǐng)域：
中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的，本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。應(yīng)當理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來限制。當前第1頁1 2 3