（Paper）Robust Text Detection in Natural Scene Images

本文地址：http://blog.csdn.net/mounty_fsc/article/details/51438447

《Robust Text Detection in Natural Scene Images》論文筆記

這篇文章是2014年PAMI上的文章，是目前文本檢測領域的state of the art.

該算法是基於MSERs的，主要內容有：

算法流程

1 Character candidates extraction

使用MSERs算法來產生字符候選區域，但是MSER算法可能產生過多的重複區域，因而需要剔除非文字的候選區域。根據MSER算法的性質，可以構造一棵MSERs樹，每個MSER對應爲一個可能的字符候選區域。
剔除的依據是，如果一個候選區域被認爲是字符，則父子結點都不可能是字符了，（因爲文字不會有相互包含關係），但問題是判斷一個結點是否爲字符講花費大量計算，一種比較好的方法是通過父子結點的關係來判斷是否爲字符，如果其MSER的variation小的則爲字符（即stable的字符）。
但variation最小的不一定就是字符，所以作者提出了regularized variation具體的做法是，先用linear reduction的方法，對一棵MSERs樹中度爲1的連接進行刪除，然後在用tree accumulation對度爲2的連接中進行刪除。

2 Text Candidates Construction

上一步生成了字符候選區域，這一步通過字符候選區域構建文本行。

使用的是single-link（agglomerate）聚類算法，是一種層次聚類算法，需要定義點跟點（1中候選字符區域）的距離。

在層次聚類中ε 爲一個閾值，最後的生成的聚類，聚類與聚類間的距離（兩個聚類中每個點的距離）都大於ε ，聚類內的值都小於該值，作者利用這個性質設計了一個self-training的邏輯迴歸分類器，來計算距離參數d(u,v;w)=wTxu,v 中的w 以及ε 。

3 Text Candidates Elimination

通過以上的步驟，得到了文本候選區域，但是之前的步驟得到的文本候選區域只有9%是真正的文本，所以作者接下來又設計了一個分類器來分類文本候選區域。
這個階段涉及兩個分類器，一個是Character分類器一個是Text分類器。首先通過Character分類器可以得到Text中預測的一個觀測O(m,n;p) ，m 是包含字符數量，n 爲Character判斷爲非文本的個數，p 爲該分類器的精度。
最後使用貝葉斯分類器來對文本分類，及P(non−text|O(m,n;p))≥ε)

4 Extension to Multi-Orientation Text Detection

這個部分是爲了解決檢測非水平方向文本行的問題（但注意，文本還是在同一行上排列的），思路是使用啓發式方法，在1中生成字符候選區域後，使用3中Character分類器構造文本候選區域pair的優先級依次是(char,char),(non-char,char),(non-char,non-char)，然後根據這些pair的優先級拓展文本的方向，來確定各個文本行的方向。確定文本行的方向後，再使用之前的方法進行檢測。

5 Experiment

最後的實驗是在ICDAR 2011，multilingual database, street view database以及multi-orientation database幾個數據集及方面展開的。