CN100378748C - 通过电子设备进行字符识别的方法 - Google Patents

Abstract

一种通过电子设备进行字符识别的方法(200)，包括：获取(202)主像素矩阵(300)。将主矩阵(300)复制(204)成多个初始备选矩阵(400，500)，每个初始备选矩阵被分割成子矩阵(402，502)的组。接着，垂直于子矩阵(402，502)的列，将子矩阵(402，502)中的文本形成像素(306)选择性地移动像素的整数倍，以提供移动后的备选矩阵(600，700)，所述移动是相对于各个初始备选矩阵(400，500)中的参考子矩阵中的文本形成像素的，所述移动以像素的整数倍递增，取决于每个子矩阵(402，502)相对于参考子矩阵的接近度。确定(206)选择哪个移动后备选矩阵(600，700)作为所选的矩阵(800)。将所选矩阵(800)分段(207)成分段的字符矩阵(802)，用于字符识别(208)。

Description

通过电子设备进行字符识别的方法

技术领域

本发明一般涉及通过电子设备进行字符识别的方法。本发明具体用于，但不必限于，对倾斜的文本(诸如斜体文本)进行自动识别。

背景技术

在诸如光学字符识别(OCR)的字符识别应用中，要被识别的字符有时是斜体的。斜体样式的字符通常包括朝一个方向倾斜的所有字符。

字符识别包括在可进行字符识别之前的字符分段的过程。字符分段在相邻字符之间产生了垂直段边界。因此，由于分段可能包含来自多个字符的数据(像素)，如果字符倾斜不合位置(not address)的话，在斜体字符上进行OCR会导致不正确分段的字符。

对于在斜体字符上进行OCR的问题的一种解决方案是：在用于字符识别的模版集中包括用于斜体字符的模版。但是，这对于许多应用来说是不可行的，因为这需要太多的处理。识别准确率也会降低，因为要被识别的字符集包括了标准的和斜体的字符，从而大了很多。例如，在只具有标准字符的中文字符识别的过程中，模版大小可能是大约8.8MB，识别时间约为10ms/字符，或者100字符/s。但是，如果还要考虑斜体字符，模版大小会增加到约17MB，识别时间增加到约18ms/字符，即只有约55字符/s。

按照常规，斜体字符的倾斜的调整是在对字符分段之后的标准化步骤中进行的。因此，可能会遇到包含来自多个字符的数据的分段字符的上述问题。此外，标准化步骤中进行的倾斜调整忽略了这一事实，即，通常斜体文本中的所有字符都以相同的角度倾斜。

一种已知的识别倾斜字符的方法包括：在要被识别的字符的图像中为每一像素计算本地倾斜标志(local slant flag)。然后根据一行中像素的倾斜标志来为像素行计算倾斜标志。虽然该方法可用于识别倾斜的字符，但是计算度很复杂。例如，步骤的倾斜估计部分需要超过22秒的处理时间，整个处理需要几乎30秒的处理时间。因此，该方法并不适用于许多应用。

在本说明书和权利要求书中，术语“包括”、“包含”或类似术语的意思是非排他性的包涵，因此，包括一系列元素的方法或装置不仅仅包括那些列出的元素，还可以很好地包括未列出的其他元素。而且，在本说明书中，词语“矩阵(matrix and matrices)”是可互换的。

发明内容

因此，在一个方面，本发明是一种用于通过电子设备进行字符识别的方法，该方法包括：

获取主像素矩阵，主矩阵具有文本形成像素，其相对比于背景形成像素，表现倾斜文本的摹写；

将主矩阵复制成多个初始备选矩阵，每个初始备选矩阵被分割成子矩阵的组，各自初始备选矩阵中的每个子矩阵具有的列的列高由对于各自初始备选矩阵来说唯一的矩阵分割整数确定；

选择性地将各自初始备选矩阵的子矩阵中的文本形成像素与列正交地移动像素的整数倍数，以提供移动后的备选矩阵，移动可相对于各自初始备选矩阵中的参考子矩阵中的文本形成像素，并且移动以像素的整数倍递增，其取决于每个子矩阵相对于参考子矩阵的接近度；

确定选择哪个移动后的备选矩阵为所选用于分段的矩阵，该确定基于每个移动后的备选矩阵中的文本形成像素的方差相关值相对于参考值的比较，参考值对应于包括斜体文本的主矩阵中的文本形成像素的数量；

将所选的矩阵分段成分段后的字符矩阵，所选的矩阵包括背景形成像素和文本形成像素，分段后的字符矩阵在仅包括背景形成像素的列之间；和

在分段后的字符矩阵上进行字符识别。

所述选择性移动的特征还在于，保持参考子矩阵中的文本形成像素在固定的位置上。

合适地，选择性移动可以像素的整数倍递增，其取决于每个子矩阵相对于参考子矩阵的接近度。

选择性移动的特征还在于，对于进一步逐渐远离参考子矩阵的子矩阵中文本形成像素，连续地递增整数倍。

选择性移动的特征还在于，相对于参考子矩阵，选择性地左移至少一个文本形成像素。

选择性移动的特征还在于，相对于参考子矩阵，选择性地右移至少一个文本形成像素。

合适地，参考子矩阵可以是对应初始备选矩阵之一中的最下面的子矩阵。另外一种情况是，参考子矩阵可以是对应初始备选矩阵之一中的最上面的子矩阵。在其他的一种情况中，参考子矩阵可以在各自的对应初始备选矩阵中的最上面的子矩阵和最下面的子矩阵之间。

合适地，提供矩阵分割整数的组可包括提供预定的矩阵分割整数。

合适地，提供矩阵分割整数的组可包括根据文本在主矩阵中的高度或位置来计算矩阵分割整数。

合适地，所选的矩阵可以是移动后的备选矩阵中相比参考值具有最高方差相关值的一个。合适地，参考值可以是主矩阵中文本形成像素数量的平均值。

合适地，方差相关值可以是标准偏差测量。

合适地，倾斜文本可以是斜体文本。

附图说明

为了使本发明易于理解并付诸实施，现在参考附图来引用示例实施例，其中相似的参考标号指示相似的元素，在附图中：

图1是说明根据本发明实施例的电子设备实施例的示意图；

图2是说明通过图1的电子设备进行的字符识别的方法的流程图；

图3是图2方法所使用的主像素矩阵的示意图；

图4是图2方法所使用的分割成子矩阵的初始备选矩阵的示意图；

图5是图2方法所使用的分割成子矩阵的另一初始备选矩阵的示意图；

图6是说明图2方法所进行的选择性移动的示意图；

图7是进一步说明图2方法所进行的选择性移动的示意图；

图8是图2方法所分段的所选矩阵的示意图；

图9是说明图2方法的斜体文本的主矩阵的进一步的示意图；

图10是说明图2方法的图9主矩阵中的多个像素轮廓的示意图；

图11是说明图2方法的移动后的备选矩阵中的多个像素轮廓的示意图；和

图12是说明图2方法的另一移动后的备选矩阵中的多个像素轮廓的示意图。

具体实施方式

参看图1，说明了电子设备100的示意图，其形式上是一个移动站或移动电话，包括射频通信单元102，连接到处理器103并与之通信。移动电话100还具有用户接口，包括屏幕105和键盘模块106，屏幕105和键盘模块106连接到处理器103并与之通信。可替换地，用户接口可采用触摸屏105的形式。本领域技术人员很清楚，在该可替换实施例中，就可以不要键盘模块106了。

处理器103包括具有相关代码只读存储器(ROM)112的编码器/解码器111，只读ROM 112储存用于对可由移动电话100发送或接收的语音或其他信号进行编码和解码的数据。处理器103还包括微处理器113，其通过通用数据和地址总线117连接到编码器/解码器111，字符只读存储器(ROM)114，随机存取存储器(RAM)104，静态可编程存储器116和可移除用户识别模块(RUIM)接口118。静态可编程存储器116和RUIM卡119(通常被称为用户识别模块(SIM)卡)有效连接到RUIM接口118，二者都可以存储优选漫游列表(PRL)、用户鉴权数据、所选的引入文本消息和电话号码数据库(TND电话簿)，其中电话号码数据库包括用于电话号码的号码字段和用于与其中的一个号码相关联的标识符的名称字段。例如，电话号码数据库中的一个条目可能是91999111111(在号码字段中输入)，其在名称字段中的相关标识符为“Steven C！at work”。RUIM卡119和静态存储器116还可以储存密码，用于允许访问移动电话100上的密码保护功能。

微处理器113具有连接到键盘106、屏幕105和警示115的端口，警示115典型地包含警示扬声器、振动马达和相关的驱动。而且，微处理器113具有连接到麦克风135、通信扬声器140、照相机145和扫描仪/读取器150的端口，其中扫描仪/读取器150用于扫描或读取文档、名片等。

字符只读存储器114储存用于对可由通信单元102接收的文本消息进行解码或编码的代码。在这个实施例中，字符只读存储器114、RUIM卡119和静态存储器116还可以储存用于微处理器113的操作代码(OC)和用于执行于移动电话100相关的功能的代码。

射频通信单元102是组合的接收器和发射器，其具有公共的天线107。通信单元102具有收发器108，其通过射频放大器109连接到天线107。收发器108还连接到组合的调制器/解调器110，调制器/解调器110将通信单元102连接到处理器103。

电子设备100可以是任意电子设备，包括无线电话、传统类型电话、膝上电脑、平板个人电脑(PC)或PDA。用户可以通过在菜单中移动或选择触摸屏105上显示的图标来选择应用程序。

照相机145和/或扫描仪/读取器150可以集成到电子设备100或作为电子设备100的附件。照相机145和/或扫描仪/读取器150可以具有合并的驱动，该驱动可由微处理器113控制。照相机145和/或扫描仪/读取器150典型地通过获取像素形成的图像来允许数据进入到电子设备100。本发明具体涉及获取文档、名片等包括斜体文本的图像，进行字符识别以识别出包括斜体文本的字符。

参看图2到图8，根据本发明的实施例，示出了一种通过电子设备100进行字符识别的方法200。方法200主要由处理器103进行，包括开始操作201，典型地，在用户选择数据输入模式，诸如激活照相机145或扫描仪/读取器150时调用。

方法200包括获取202主像素矩阵300，主矩阵300具有文本形成像素306，其相对比于背景形成像素308，表现斜体文本301(倾斜文本)的摹写。主矩阵300是斜体文本的摹写，斜体文本可从任意媒介中获取，这样的媒介诸如，但不限于，名片、信件、表格或其他文档。主矩阵300可以通过用照相机145照相或通过用扫描仪/读取器150扫描斜体文本而获得。主矩阵还可以通过电子设备100接收多媒体消息服务(MMS)消息而获得。此外，主矩阵300可以从RUIM卡119中获得。可以展望，还有可能有其他获取或接收主矩阵300的选项，诸如通过插件存储器、短程无线、因特网下载或任何其他可能的数据传输方式。本领域技术人员很清楚，文本形成像素306在本实施例中是黑像素，背景形成像素308在本实施例中是白像素。但是，文本形成像素306可以是白的，而背景形成像素308可以是黑的。也有可能由色彩或灰度级像素来形成主矩阵300中的文本301。

方法200包括将主矩阵300复制204成多个初始备选矩阵400，500。每个初始备选矩阵400，500被分割成各自的子矩阵402，502的组，各自初始备选矩阵400，500中的每个子矩阵402，502的列的列高是由矩阵分割整数所决定的，矩阵分割整数对于各自的初始备选矩阵来说是唯一的。如所示，子矩阵402具有列406，列高h1，子矩阵502具有列506，列高h2。

典型地，用于每个各自的初始备选矩阵400，500的每个矩阵分割整数的列高是预定的，而不考虑斜体文本301在主矩阵300内的高度或位置。但是，可以基于斜体文本301在主矩阵300内的高度和位置来计算用于每个矩阵分割整数的列高。

简便起见，附图只示出了两个初始备选矩阵400，500，其分别被分割成两个子矩阵402和三个子矩阵502。但是，实际中，可以适当地分割出许多更多的初始备选矩阵。

方法200接下来垂直于列406，506(沿着由双向箭头线A所示的轴)，以像素的整倍数，选择性地移动205各自初始备选矩阵400，500的子矩阵402，502中的文本形成像素306，以提供移动后的备选矩阵600，700。选择性移动205是相对于各自初始备选矩阵400，500中的参考子矩阵中的文本形成像素306的，并且该移动以像素的整倍数递增，其取决于每个子矩阵相对于参考子矩阵的接近度。

选择性移动205文本形成像素306包括将子矩阵之一识别为参考子矩阵，并相对于参考子矩阵中的文本形成像素306水平地移动其余子矩阵中的文本形成像素306。典型地，选择性移动205包括保持参考子矩阵中的文本形成像素306在固定的位置，并且沿着双向箭头线A所示的轴移动其余子矩阵402，502中的其余文本形成像素306。

选择性移动文本形成像素306的像素整倍数是由其相对参考子矩阵的接近度决定的。图6和图7具体说明了方法200对包括部分斜体文本的大写字母“T”的影响。具体参看图6，示出了部分初始备选矩阵400和部分移动后备选矩阵600。参考子矩阵是最下面的子矩阵602，邻近参考子矩阵的子矩阵604中的文本形成像素306向左移动一个像素(左移)，而参考子矩阵中的文本形成像素306保持在固定的位置。可替换地，参考子矩阵可以是最上面的子矩阵604，邻近参考子矩阵的子矩阵602中的文本形成像素306向右移动一个像素(右移)，而参考子矩阵中的文本形成像素306保持在固定的位置。

为了进一步举例说明本发明，请读者具体参看图7，示出了部分初始备选矩阵500和部分移动后备选矩阵700。例如，如果选择参考子矩阵是最下面的子矩阵702的话，则邻近参考子矩阵的子矩阵704中的文本形成像素306向左移动一个像素(左移)，而参考子矩阵中的文本形成像素306保持在固定的位置。而且，进一步远离参考子矩阵的下一个子矩阵706中的文本形成像素向左移动两个像素。应该认识到，如果还有其他的子矩阵的话，则又进一步远离参考子矩阵的下一个子矩阵中的文本形成像素306将向左移动三个像素，以此类推。应该注意到，参考子矩阵可以是最上面的子矩阵706，由此，邻近参考子矩阵的子矩阵704中的文本形成像素306向右移动一个像素(右移)，而参考子矩阵中的文本形成像素306保持在固定的位置。而且，进一步远离参考子矩阵的下一个子矩阵702中的文本形成像素向右移动两个像素，进一步的子矩阵中的文本形成像素将以整倍数连续地递增。应该注意到，参考子矩阵可以是中间的子矩阵704(例如，参考子矩阵在最上面的子矩阵和最下面的子矩阵之间)。结果，子矩阵702中的文本形成像素306向右移动一个像素，子矩阵706中的文本形成像素306向左移动一个像素。本领域技术人员应该认识到，图6和图7只是出于说明的目的，用于简化对本发明的理解。实际中，可能使用初始矩阵400，500中的许多更多的像素，因此并不一样像所示的数量一样严格。上述的选择性移动的过程可以总结为如下所列的伪码。

For all initial candidate matrices i ofj sub-matrices；

Select a reference sub-matrix(Ref)；

Determine a location L of the reference sub-matrix(Ref) between 1to j；

             Set a left-shift-value to 1；

             Set a right-shift-value to 1；

          For L+left-shift-value＜＝j THEN：

Shift left the text forming pixels in a sub-matrix located at L PLUSleft-shift-value，the shift left being by an amount identified by theleft-shift-value；

Increment left-shift-value；

                       END THEN；

For L+right-shift-value＞1THEN：

Shift right the text forming pixels in a sub-matrix located at LMINUS right-shift-value，the shift right being by an amount identified bythe right-shift-value；

Increment right-shift-value；

                      END THEN；

END FOR.

在选择性移动205之后，方法200接下来确定206选择哪个移动后的备选矩阵600，700作为所选用于分段的矩阵800。确定操作206基于对每个移动后的备选矩阵600，700中的文本形成像素306的方差相关值与参考值的比较，参考值对应于主矩阵300中包括斜体文本301的摹写的多个文本形成像素306。

确定206哪个移动后的备选矩阵600，700作为所选用于分段的矩阵800是基于对方差相关测量和参考值的比较的。在一个实施例中，对于移动后的备选矩阵305，方差σ²是根据下面的公式1计算的：

${\mathrm{\σ}}^2=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-x_{\mathrm{ref}})}^2$ (公式1)

其中，x_i是像素列中文本像素306的数量，x_ref是参考值，n是移动后的备选矩阵600，700中的列数。当移动每个移动后的备选矩阵中的文本形成像素时，移动后备选矩阵600，700的像素列中的文本像素的数量可能会改变。典型地，某些列将具有增加数量的文本形成像素306，某些列将具有减少数量的文本形成像素306，尽管对于某些列来说，文本形成像素306数量上的净改变将会是0。此外，仅包含背景形成像素的列的数量将会增加。因此，相对参考值x_ref的方差σ²将会增加。

为进一步澄清，如果主矩阵300与初始备选矩阵400相同，则均值(开始于最左列)是34/12＝2.83；移动后备选矩阵600的方差σ²计算为1/12{(0-2.83)²+(0-2.83)²+(1-2.83)²+(2-2.83)²+(2-2.83)²+(2-2.83)²+(4-2.83)²+(8-2.83)²+(6-2.83)²+...................}。以相同方法使用均值2.83来计算移动后备选矩阵的方差σ²。

典型地，方差相关值是标准偏差测量σ，确定206包括确定根据移动后的备选矩阵600，700选择哪个备选矩阵，其具有相对参考值x_ref的最大标准偏差。合适地，参考值x_ref是主矩阵300中每像素列的文本形成像素的平均数量。通常，随着相对均值的标准偏差的增加，文本变得更加垂直(vertical)。作为另一种方案，参考值x_ref是预定的值，或者选择的值，诸如包括主矩阵300的列高度的像素总数的分数或比例(例如3/5或50％)。

方法200接下来将所选的矩阵800分段207成分段后的字符矩阵802。所选矩阵800包括背景形成像素308和文本形成像素306，分段后的字符矩阵802在仅包括背景形成像素308的列804之间。接下来，方法300在分段后的字符矩阵802上进行208字符识别，其使用常规已知的技术，方法200在结束操作209结束。

图9种示出了斜体文本901的摹写的一个例子，其可出现在主矩阵900中。图10示出了在主矩阵900中包含斜体文本901的每像素列中的多个文本形成像素306的轮廓1000。文本形成像素306还没有移动，对于1000中所示的轮廓来说，使用公式1计算标准偏差σ得到的结果是127。

参看图11，示出了移动后备选矩阵305中每像素列中多个文本形成像素306的轮廓1100的一个例子。在这个例子中，矩阵分割整数的值是3，因此每个子矩阵的列高为3像素(子矩阵的数量取决于包括主矩阵900的总列高的像素的数量)。例如，各自子矩阵中文本形成像素306可选择相对于参考子矩阵左移像素的整数倍，以提供移动后备选矩阵。在这个例子中，标准偏差σ＝141。

图12示出了移动后备选矩阵305中每像素列中多个文本形成像素306的轮廓1200的另一个例子。在这个例子中，矩阵分割整数的值是5，因此每个子矩阵的列高为5像素。在这个例子中，标准偏差σ＝152。方法继续为诸如7、9、11或2、3、4、5等矩阵分割整数的其他值计算标准偏差σ，以提供多样的移动后备选矩阵。具有最大标准偏差σ的移动后备选矩阵随后被选为所选用于分段的矩阵。

应该认识到，除了英文之外，本发明还适用于识别其他语言的斜体字，诸如中文、日文和韩文等语言中出现的斜体表意字符。而且，在实践中，选择用于分段的所选矩阵不需要是具有最大可能标准偏差的移动后备选矩阵。而且，可选择具有符合具体门限值或定值的标准偏差或方差相关值的移动后备选矩阵作为所选矩阵。因此，主矩阵不需要复制成初始备选矩阵，初始矩阵随后选择性移动，直到达到最大(largest or greatest)标准偏差。实际上，可复制204主矩阵300成初始备选矩阵，并对其进行选择性移动205，直到找到这样的移动后备选矩阵305：其中，通过仅包括背景形成像素30g的列边界来标识备选字符307。

因此，本发明是一种在电子设备中用于字符识别的方法，该电子设备能够通过字符识别技术识别诸如斜体字符的倾斜字符。这是通过将表现斜体文本的摹写的矩阵像素选择性移动整数倍，以提供移动后备选矩阵，从移动后备选矩阵选择用于分段的所选矩阵而实现的。因此，由于斜体文本中的通常的字符倾斜都是在进行字符识别之前进行处理的，可能得到计算量减少的字符识别开销。

上面详细的描述只是提供了示例实施例，并不想限制本发明的范围、适用性或配置。实际上，示例实施例的详细描述向本领域技术人员提供了能够实现本发明示例实施例的一种描述。应该理解，在组件和步骤的功能和安排上可以作出多种改变，而不会背离本发明如权利要求书所阐述的精神和范围。

Claims (14)

1.一种通过电子设备进行斜体字符识别的方法，所述方法包括：

获取主像素矩阵，该主矩阵具有相对比于背景形成像素、表现倾斜文本的摹写的文本形成像素；

将主矩阵复制成多个初始备选矩阵，每个初始备选矩阵被分割成子矩阵的组，各个初始备选矩阵中的每个子矩阵的列的列高是由矩阵分割整数确定的，该矩阵分割整数对于各个初始备选矩阵来说是唯一的；

垂直于列，将各个初始备选矩阵的子矩阵中的文本形成像素选择性地移动像素的整数倍，以提供移动后的备选矩阵，所述移动是相对于各个初始备选矩阵中的参考子矩阵中的文本形成像素的，所述移动以像素的整数倍递增，取决于每个子矩阵相对于参考子矩阵的接近度；

确定选择哪个移动后备选矩阵作为所选用于分段的矩阵，所述确定基于每个移动后备选矩阵中的文本形成像素的方差相关值相对于参考值的比较，所述参考值对应于包括斜体文本的主矩阵中的文本形成像素的数量，其中选择具有相对参考值的最大方差相关值的移动后备选矩阵；

将所选矩阵分段成分段的字符矩阵，所选矩阵包括背景形成像素和文本形成像素，所述分段的字符矩阵在仅包括背景形成像素的列之间；和

在所述分度的字符矩阵上进行字符识别。

2.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述选择性移动的特征进一步在于，将参考子矩阵中的文本形成像素保持在固定位置。

3.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述选择性移动的特征还在于，对于进一步逐渐远离参考子矩阵的子矩阵中的文本形成像素，连续地递增整数倍。

4.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述选择性移动的特征还在于，相对于参考子矩阵，选择性地左移至少一个文本形成像素。

5.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述选择性移动的特征还在于，相对于参考子矩阵，选择性地右移至少一个文本形成像素。

6.如权利要求4所述的通过电子设备进行字符识别的方法，其中，所述参考子矩阵是对应初始备选矩阵之一中的最下面的子矩阵。

7.如权利要求5所述的通过电子设备进行字符识别的方法，其中，所述参考子矩阵是对应初始备选矩阵之一中的最上面的子矩阵。

8.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述参考子矩阵在各自的对应初始备选矩阵中的最上面的子矩阵和最下面的子矩阵之间。

9.如权利要求1所述的通过电子设备进行字符识别的方法，其中，提供矩阵分割整数的组包括提供预定的矩阵分割整数。

10.如权利要求1所述的通过电子设备进行字符识别的方法，其中，提供矩阵分割整数的组包括根据文本在主矩阵中的高度或位置来计算矩阵分割整数。

11.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所选矩阵是移动后的备选矩阵中相比参考值具有最大方差相关值的一个。

12.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述参考值是主矩阵中文本形成像素数量的平均值。

13.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述方差相关值是标准偏差测量。

14.如权利要求1所述的通过电子设备进行字符识别的方法，其中，所述倾斜文本是斜体文本。

Images