基于深度学的图形图案文字检测方法

摘要

本发明公开了一种基于深度学的图形图案文字检测方法，首先，通过图形图案文字样本合成训练深度卷积自编码网络，然后使用已标记的样本，通过稀疏字典进行分类。随机从样本库中抽取图形图案文字，并进行旋转、平移、透射等变换，再与纯背景图进行融合；之后使用合成的样本集，建立深度卷积自编码网络，并使用分层训练、整体调优的方式学特征模板；然后对已有的标记样本，使用深度网络学得到的特征模板进行特征提取；最后把提取的特征上采样至原图大小，并以单个分块作为识别的单位，训练稀疏字典以及分类器。在完成训练步骤后，对待处理的图像进行多分辨率分解，并使用特征模板提取特征，再使用稀疏字典进行分类获取结果。

主权项

一种基于深度学习的图形图案文字检测方法，其特征在于，包括以下步骤：步骤1：预处理：输入彩色图像，并将输入的彩色图像转为灰度图，并进行多分辨率分解，输出不同分辨率的图像；步骤2：特征提取：对步骤1输出的每一个分辨率的图像，分别通过深度卷积自编码网络提取特征图；其中深度卷积自编码网络是通过训练获得；步骤3：稀疏编码求解：把步骤2提取得到的所有特征图，上采样至原图大小。对该组特征图进行分块，每一块分别通过稀疏字典和线性分类器进行分类识别。步骤4：图形图案文字定位：对步骤3输出的每个分块的分类识别结果进行区域融合，合成最终的定位结果。