（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》论文笔记

这篇文章是2014年PAMI上的文章，是目前文本检测领域的state of the art.

该算法是基于MSERs的，主要内容有：

算法流程

1 Character candidates extraction

使用MSERs算法来产生字符候选区域，但是MSER算法可能产生过多的重复区域，因而需要剔除非文字的候选区域。根据MSER算法的性质，可以构造一棵MSERs树，每个MSER对应为一个可能的字符候选区域。
剔除的依据是，如果一个候选区域被认为是字符，则父子结点都不可能是字符了，（因为文字不会有相互包含关系），但问题是判断一个结点是否为字符讲花费大量计算，一种比较好的方法是通过父子结点的关系来判断是否为字符，如果其MSER的variation小的则为字符（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具体的做法是，先用linear reduction的方法，对一棵MSERs树中度为1的连接进行删除，然后在用tree accumulation对度为2的连接中进行删除。

2 Text Candidates Construction

上一步生成了字符候选区域，这一步通过字符候选区域构建文本行。

使用的是single-link（agglomerate）聚类算法，是一种层次聚类算法，需要定义点跟点（1中候选字符区域）的距离。

在层次聚类中$\varepsilon$为一个阈值，最后的生成的聚类，聚类与聚类间的距离（两个聚类中每个点的距离）都大于$\varepsilon$，聚类内的值都小于该值，作者利用这个性质设计了一个self-training的逻辑回归分类器，来计算距离参数$d(u,v;w)=w^Tx_{u,v}$中的$w$以及$\varepsilon$。

3 Text Candidates Elimination

通过以上的步骤，得到了文本候选区域，但是之前的步骤得到的文本候选区域只有9%是真正的文本，所以作者接下来又设计了一个分类器来分类文本候选区域。
这个阶段涉及两个分类器，一个是Character分类器一个是Text分类器。首先通过Character分类器可以得到Text中预测的一个观测$O(m,n;p)$，$m$是包含字符数量，$n$为Character判断为非文本的个数，$p$为该分类器的精度。
最后使用贝叶斯分类器来对文本分类，及$P(non-text|O(m,n;p))\ge \varepsilon)$

4 Extension to Multi-Orientation Text Detection

这个部分是为了解决检测非水平方向文本行的问题（但注意，文本还是在同一行上排列的），思路是使用启发式方法，在1中生成字符候选区域后，使用3中Character分类器构造文本候选区域pair的优先级依次是(char,char),(non-char,char),(non-char,non-char)，然后根据这些pair的优先级拓展文本的方向，来确定各个文本行的方向。确定文本行的方向后，再使用之前的方法进行检测。

5 Experiment

最后的实验是在ICDAR 2011，multilingual database, street view database以及multi-orientation database几个数据集及方面展开的。