CN109598272B - 字符行图像的识别方法、装置、设备及介质 - Google Patents
字符行图像的识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109598272B CN109598272B CN201910027534.6A CN201910027534A CN109598272B CN 109598272 B CN109598272 B CN 109598272B CN 201910027534 A CN201910027534 A CN 201910027534A CN 109598272 B CN109598272 B CN 109598272B
- Authority
- CN
- China
- Prior art keywords
- character image
- character
- image
- line
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/158—Segmentation of character regions using character size, text spacings or pitch estimation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
Abstract
本公开实施例公开了一种字符行图像的识别方法、装置、设备及介质。该方法包括:获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容;根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像;将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像。通过上述技术方案可以避免将本属于不同行的字符图像误识别为属于同一行,进而提高了对待识别文字图片中字符行图像的识别正确率,由此可以降低字符识别模型识别待识别文字图片后生成的文本的误差率。
Description
技术领域
本公开实施例涉及数据技术,尤其涉及一种字符行图像的识别方法、装置、设备及介质。
背景技术
OCR(Optical Character Recognition,光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程。
在OCR识别过程中,首先要利用字符检测模型检测待识别文字图片中各个字符的位置信息,以获取与各个字符对应的字符图像,然后将各个字符图像对应构成字符行图像或字符列图像(一般情况为字符行图像),最后将字符行图像输入识别引擎进行字符识别,以生成与字符行图像对应的文本。但由于待识别文字图片中可能会出现文字排版不规范情况,容易在确定字符行图像时出现错误,误将本属于不同行的字符图像确定为属于同一行的字符图像,进而使字符识别模型识别待识别文字图片后生成的文本与待识别文字图片对应不一致。因此,在检测出待识别文字图片中各个字符的位置信息后,如何识别出正确的字符行图像对于OCR识别也至关重要。
发明内容
本公开实施例提供一种字符行图像的识别方法、装置、设备及介质,以提高在OCR识别过程中对字符行图像的识别正确率,进而降低OCR识别结果的误差率。
第一方面,本公开实施例提供了一种字符行图像的识别方法,该方法包括:
获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容;
根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像;
将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像。
进一步的,所述定位信息包括位置信息和旋转角度信息;
所述根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与字符图像对应的同行邻近字符图像,包括:
根据各所述字符图像的位置信息以及所述设定获取方向,获取与当前处理的目标字符图像对应的至少一个备选邻近字符图像;
根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离;
根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像。
进一步的,根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离,包括:
根据所述目标字符图像的旋转角度分别确定横坐标权重调整系数rx和纵坐标权重调整系数ry,其中,ry≤rx;
根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及所述横坐标权重调整系数rx和纵坐标权重调整系数ry,分别计算所述目标字符图像与每个备选邻近字符图像之间的马氏距离,分别对应作为所述目标字符图像与每个备选邻近字符图像之间的图像距离。
进一步的,在根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像之后,还包括:
将所述同行邻近字符图像的行标识设置为所述目标字符图像的行标识;
其中,按照所述设定获取方向,每一行的首个字符图像被赋予对应的行标识。
进一步的,根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像,包括:
根据所述图像距离计算结果,获取与所述目标字符图像距离最近的一个备选邻近字符图像作为标准备选字符图像;
如果所述标准备选字符图像未设置有行标识,则将所述标准备选字符图像作为所述同行邻近字符图像;
如果所述标准备选字符图像设置有目标行标识且所述目标行标识与所述目标字符图像的行标识不一致,则根据定位信息以及所述目标行标识,获取所述标准备选字符图像的前一同行邻近字符图像;
采用所述偏转校正算法,计算所述前一同行邻近字符图像与所述标准备选字符图像之间的比对图像距离;
如果所述比对图像距离大于所述目标字符图像与所述标准备选字符图像之间的图像距离,则将所述标准备选字符图像作为所述目标字符图像的同行邻近字符图像,并使用所述目标字符图像的行标识替换所述标准备选字符图像的目标行标识;
将与所述目标行标识对应的其他字符图像中,与所述标准备选字符图像关联的后向同行邻近字符图像的行标识,修改为所述标准备选字符图像的行标识。
进一步的,在根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像之后,还包括:
验证在所述待识别文字图片中,是否包括有未设置行标识的至少一个孤立字符图像;
若是,则根据各所述孤立字符图像的定位信息,为所述孤立字符图像设置新的行标识,和/或,为所述孤立字符图像设置已有行标识。
进一步的,所述获取待识别文字图片中各字符图像的定位信息,包括:
使用字符检测模型检测待识别文字图片中各字符图像的定位信息,其中,所述字符检测模型的生成方法包括:
根据至少一个字符图像和空白背景图片构造至少一张待识别文字样本图片;
获取所述至少一张待识别文字样本图片中各字符图像的定位信息;
将所述待识别文字样本图片以及所述待识别文字样本图片中各字符图像的定位信息对应作为一组字符检测训练样本数据;
采用至少一组字符检测训练样本数据,对标准检测模型进行训练,生成字符检测模型。
第二方面,本公开实施例还提供了一种字符行图像的识别装置,该装置包括:
定位信息获取模块,用于获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容;
邻近字符图像获取模块,用于根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像;
字符行图像生成模块,用于将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像。
进一步的,所述定位信息包括位置信息和旋转角度信息;
所述邻近字符图像获取模块具体包括:
备选邻近字符图像获取单元,用根据各所述字符图像的位置信息以及所述设定获取方向,获取与当前处理的目标字符图像对应的至少一个备选邻近字符图像;
图像距离计算单元,用于根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离;
邻近字符图像获取单元,用于根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像。
进一步的,所述图像距离计算单元具体包括:
权重调整系数确定子单元,用于根据所述目标字符图像的旋转角度分别确定横坐标权重调整系数rx和纵坐标权重调整系数ry,其中,ry≤rx;
图像距离确定子单元,用于根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及所述横坐标权重调整系数rx和纵坐标权重调整系数ry,分别计算所述目标字符图像与每个备选邻近字符图像之间的马氏距离,分别对应作为所述目标字符图像与每个备选邻近字符图像之间的图像距离。
进一步的,所述邻近字符图像获取模块还包括:
行标识设置单元,用于在根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像之后,将所述同行邻近字符图像的行标识设置为所述目标字符图像的行标识;
其中,按照所述设定获取方向,每一行的首个字符图像被赋予对应的行标识。
进一步的,所述邻近字符图像获取单元具体包括:
标准备选字符图像确定子单元,用于根据所述图像距离计算结果,获取与所述目标字符图像距离最近的一个备选邻近字符图像作为标准备选字符图像;
同行邻近字符图像第一确定子单元,用于如果所述标准备选字符图像未设置有行标识,则将所述标准备选字符图像作为所述同行邻近字符图像;
比对邻近字符图像获取子单元,用于如果所述标准备选字符图像设置有目标行标识且所述目标行标识与所述目标字符图像的行标识不一致,则根据定位信息以及所述目标行标识,获取所述标准备选字符图像的前一同行邻近字符图像;
比对图像距离计算子单元,用于采用所述偏转校正算法,计算所述前一同行邻近字符图像与所述标准备选字符图像之间的比对图像距离;
同行邻近字符图像第二确定子单元,用于如果所述比对图像距离大于所述目标字符图像与所述标准备选字符图像之间的图像距离,则将所述标准备选字符图像作为所述目标字符图像的同行邻近字符图像,并使用所述目标字符图像的行标识替换所述标准备选字符图像的目标行标识;
行标识修改子单元,用于将与所述目标行标识对应的其他字符图像中,与所述标准备选字符图像关联的后向同行邻近字符图像的行标识,修改为所述标准备选字符图像的行标识。
进一步的,所述字符行图像的识别装置还包括:
核验模块,用于在根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像之后,验证在所述待识别文字图片中,是否包括有未设置行标识的至少一个孤立字符图像;
若是,则根据各所述孤立字符图像的定位信息,为所述孤立字符图像设置新的行标识,和/或,为所述孤立字符图像设置已有行标识。
进一步的,所述字符行图像的识别装置还包括:
字符检测模型的生成模块,用于根据至少一个字符图像和空白背景图片构造至少一张待识别文字样本图片;
获取所述至少一张待识别文字样本图片中各字符图像的定位信息;
将所述待识别文字样本图片以及所述待识别文字样本图片中各字符图像的定位信息对应作为一组字符检测训练样本数据;
采用至少一组字符检测训练样本数据,对标准检测模型进行训练,生成字符检测模型;
对应的,所述定位信息获取模块具体用于使用字符检测模型检测待识别文字图片中各字符图像的定位信息。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开任意实施例所述的字符行图像的识别方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开任意实施例所述的字符行图像的识别方法。
本公开实施例通过首先获取待识别文字图片中各字符图像的定位信息,然后根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像,最后将与同一行对应的全部字符图像按照所述定位信息进行拼接,进而得到与各行对应的字符行图像的技术方案,可避免将本属于不同行的字符图像误识别为属于同一行,进而提高了对待识别文字图片中字符行图像的识别正确率,由此可以降低字符识别模型识别待识别文字图片后生成的文本的误差率。
附图说明
图1是本公开实施例一提供的一种字符行图像的识别方法的流程图;
图2是本公开实施例二提供的一种字符行图像的识别方法的流程图;
图3是本公开实施例三提供的一种字符行图像的识别方法的流程图;
图4是本公开实施例四提供的一种字符行图像的识别装置的结构示意图;
图5是本公开实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分而非全部结构。下述各实施例中,每个实施例中同时提供了可选特征和示例,实施例中记载的各个特征可进行组合,形成多个可选方案,不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1为本公开实施例一提供的一种字符行图像的识别方法的流程图,本实施例可适用于识别出待识别文字图片中各字符行图像,进而使字符识别模型对每个字符行图像进行字符识别的情况,该方法可以由字符行图像的识别装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于电子设备中,例如典型的是计算机等。如图1所示,该方法具体包括如下步骤:
S110、获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容。
对待识别文字图片进行字符识别时,首先要将待识别文字图片划分为若干个字符行图像,进而使字符识别模型对每个字符行图像进行识别,具体的,可以是基于待识别文字图片中的每一行文字内容生成一个或多个字符行图像。
其中,定位信息指的是各字符图像在待识别文字图片中的定位信息,根据定位信息可以在待识别文字图片中唯一确定一个字符图像。具体的,待识别文字图片中各字符图像的定位信息可以通过字符检测模型获取,将待识别文字图片输入字符检测模型中,字符检测模型对待识别文字图片进行检测,进而输出待识别文字图片中各个字符图像的定位信息。
典型的,定位信息包括位置信息和旋转角度信息。
其中,位置信息具体可以是字符图像各像素点的像素坐标、字符图像所在的像素坐标范围、字符图像各边界的像素坐标范围、字符图像各边界定点的像素坐标、字符图像中心点的像素坐标等等。像素坐标系的原点可以设置在待识别文字图片的中心点,也可以在待识别文字图片中任选一点作为原点,本实施例对此不做具体限定。
旋转角度信息具体可以是字符图像的横对称轴(或横边界)与水平方向的夹角信息,也可以为字符图像的纵对称轴(或竖边界)与竖直方向的夹角信息,具体可以将横对称轴(或横边界)顺时针旋转至水平方向的夹角(锐角)设定为正值,将横对称轴(或横边界)逆时针旋转至水平方向的夹角(锐角)设定为负值,对于纵坐标轴(或竖边界)也可以同样方式进行设定。
值得指出的是,针对同一语种的各个字符图像的像素大小通常是一致的,字符图像的形状为长方形。
S120、根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像。
设定获取方向指的是从左向右的方向,或是从右向左的方向,也即,根据各所述定位信息以及预设的偏转校正算法确定与各字符图像分别对应的同行右邻字符图像或同行左邻字符图像。下述均以设定获取方向是从左向右的方向为示例进行解释说明。
典型的,根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与字符图像对应的同行邻近字符图像,包括:
根据各所述字符图像的位置信息以及所述设定获取方向,获取与当前处理的目标字符图像对应的至少一个备选邻近字符图像;根据目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算目标字符图像与每个备选邻近字符图像之间的图像距离;根据图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像。
根据各所述字符图像的位置信息首先确定一个字符图像,具体可以是位于待识别文字图片左上角的字符图像,还可以是位于待识别文字图片中任一行区域中左数第一个字符图像,然后将这个字符图像作为当前处理的目标字符图像。获取与目标字符图像对应的至少一个备选邻近字符图像,由于预设获取方向为从左向右的顺序,那么备选邻近字符图像中心点的像素横坐标大于目标字符图像中心点的像素横坐标。
具体的,可以根据K最近邻(kNN,k-Nearest Neighbor)分类算法确定几个与目标字符图像对应的备选邻近字符图像,例如,获取与目标字符图像对应的五个备选邻近图像。值得指出的是,如果按照设定获取方向获取不到与目标字符图像对应的备选邻近字符图像,那么则可将目标字符图像确定与目标字符图像所在行的最后一个字符图像。
分别确定目标字符图像与每个备选邻近字符图像的图像距离,图像距离具体是根据坐标权重调整系数确定的图像权重距离,而坐标权重系数是根据目标字符图像的旋转角度信息确定的。其中,坐标权重调整系数的设定规则是使目标字符图像的旋转角度方向上的权重最小,与目标字符图像的旋转角度方向之间角度越大,对应方向上的权重越大。举例说明,如果目标字符图像与第一字符图像和第二字符图像的直线距离相等,第一字符图像与目标字符图像的旋转角度相同,第一字符图像的中心点在目标字符图像的旋转角度方向上,而第二字符图像的中心点不在目标字符图像的旋转角度方向上,那么目标字符图像与第一字符图像的图像权重距离要小于其与第二字符图像的图像权重距离。其中,直线距离具体为两个字符图像的中心点之间的距离,或两个字符图像对应顶点之间的距离等。
作为一种特殊的情况,如果目标字符图像的旋转角度为零,可以将各个角度方向上的权重设置为相同的数值,也可以各个角度方向上均不设置权重,而是将字符图像间的直线距离作为图像距离。
根据图像距离计算结果,可以在备选邻近字符图像中获取与目标字符图像的图像距离最短的,也即图像权重距离最短的字符图像作为目标字符图像的同行邻近字符图像(同行右邻字符图像)。
作为本实施例一种具体的实施方式,将根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离,具体为:
根据所述目标字符图像的旋转角度分别确定横坐标权重调整系数rx和纵坐标权重调整系数ry,其中,ry≤rx;
根据目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及所述横坐标权重调整系数rx和纵坐标权重调整系数ry,分别计算目标字符图像与每个备选邻近字符图像之间的马氏距离,分别对应作为目标字符图像与每个备选邻近字符图像之间的图像距离。
如果目标字符图像中心点的像素坐标为(x1,y1),其中一个备选邻近字符图像中心点的像素坐标为(x2,y2),那么目标字符图像与这个备选邻近字符图像之间的马氏距离将马氏距离L作为目标字符图像与这个备选邻近字符图像之间的图像距离。
其中,如果目标字符图像的旋转角度非零,典型的,旋转角度的区间范围为[-30°,30°],那么ry<rx,旋转角度越大,rx和ry差就越大;如果目标字符图像的旋转角度为零,那么ry=rx,典型的,ry=rx=1。对于rx和ry具体确定方法本实施例不做具体限定,只要能使旋转角度方向上的权重最小即可。
进一步的,在根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像之后,还包括:
将所述同行邻近字符图像的行标识设置为所述目标字符图像的行标识;
其中,按照所述设定获取方向,每一行的首个字符图像被赋予对应的行标识。
在分别确定待识别文字图片中各字符图像的同行邻近字符图像时,可以逐行操作,也即首先确定待识别文字图片中每一行字符图像中的首个字符图像,为该首个字符图像设置对应的行标识后作为目标字符图像,在获取与该目标字符图像的同行邻近字符图像后,为同行邻近字符图像设置为相同的行标识,进而将该同行邻近字符图像作为下一个的目标字符图像,以此类推,直至为这一行字符图像中的最后一个字符图像设置对应的行标识。
作为本实施例一种具体的实施方式,将根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像,具体为:
根据图像距离计算结果,获取与目标字符图像距离最近的一个备选邻近字符图像作为标准备选字符图像;
如果标准备选字符图像未设置有行标识,则将标准备选字符图像作为同行邻近字符图像;
如果标准备选字符图像设置有目标行标识且目标行标识与目标字符图像的行标识不一致,则根据定位信息以及目标行标识,获取标准备选字符图像的前一同行邻近字符图像;
采用偏转校正算法,计算前一同行邻近字符图像与标准备选字符图像之间的比对图像距离;
如果比对图像距离大于目标字符图像与标准备选字符图像之间的图像距离,则将标准备选字符图像作为目标字符图像的同行邻近字符图像,并使用目标字符图像的行标识替换标准备选字符图像的目标行标识;
将与目标行标识对应的其他字符图像中,与标准备选字符图像关联的后向同行邻近字符图像的行标识,修改为标准备选字符图像的行标识。
为了进一步避免将本属于不同行的字符图像误识别为属于同一行的字符图像,在本实施例中,没有将与目标字符图像距离最近的一个备选邻近字符图像直接确定为同行邻近字符图像,而是先将该备选邻近字符图像作为标准备选字符图像,还需对标准备选字符图像做进一步的判断,根据判断结果确定是否将该标准备选字符图像作为同行邻近字符图像。
首先判断标准备选字符图像是否已被设置行标识,如果没有被设置行标识,则表示未将标准备选字符图像划分至某一行中,进而可以将标准备选字符图像作为同行邻近字符图像;如果已被设置行标识,则表示标准备选字符图像已被划分至某一行中,此时就需要重新判断标准备选字符图像被划分得是否正确。
根据标准备选字符图像的目标行标识和其定位信息,确定标准备选字符图像的前一同行邻近字符图像(也即同行左邻字符图像),进而重新根据偏转校正算法,计算同行左邻字符图像与标准备选字符图像之间的比对图像距离,也即根据同行左邻字符图像以及标准备选字符图像的像素坐标,以及由标准备选字符图像的旋转角度信息确定的坐标权重调整系数,计算标准备选字符图像与同行左邻字符图像之间的图像距离作为比对图像距离。
如果比对图像距离大于目标字符图像与标准备选字符图像之间的图像距离,则表明标准备选字符图像距离目标字符图像更近一些,进而将标准备选字符图像作为目标字符图像的同行邻近字符图像,并将标准备选字符图像的目标行标识修改为目标字符图像的行标识,由此表明标准备选字符图像之前被划分错误,现对其进行更正。如果存在与标准备选字符图像关联的后向同行邻近字符图像,也即存在行标识为目标行标识,位置处于标准备选字符图像右侧的同行字符图像,则将这些后向同行邻近字符图像行标识修改为标准备选字符图像的行标识(目标字符图像的行标识),由此表明这些后向同行邻近字符图像之前被划分错误,现对其进行统一更正。
典型的,在根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像之后,还包括:
验证在待识别文字图片中,是否包括有未设置行标识的至少一个孤立字符图像;若是,则根据各所述孤立字符图像的定位信息,为所述孤立字符图像设置新的行标识,和/或,为所述孤立字符图像设置已有行标识。
在逐行处理完待识别文字图片中的字符图像之后,再对待识别文字图片进行核验,判断是否存在被遗留的未被设置行标识的孤立字符图像,如果存在,则可以选取一个像素横坐标最小的孤立字符图像,为其设置一个新的行标识,或是根据其像素纵坐标为其设置一个已有的行标识,同时将其作为目标字符图像后,依据前述方法对其进行处理获取与其对应的同行邻近字符图像。
以此类推,直至待识别文字图片中不存在未设置行标识的字符图像。至此,完成了对待识别文字图片中的所有字符图像的行识别。
S130、将与同一行对应的全部字符图像按照定位信息进行拼接,得到与各行对应的字符行图像。
将行标识相同的全部字符图像进行拼接,拼接顺序为按照字符图像的像素横坐标信息由小到大的顺序,进而可以得到与待识别文字图片中各字符行对应的字符行图像。
值得注意的是,如果为存在的被遗留的未被设置行标识的孤立字符图像设置一个新的行标识,最后得到的字符行图像的数量会大于待识别文字图片中的字符行数。然而,这并不影响后续字符识别模型根据这些字符行图像完成对待识别文字图片的字符识别,只要分别对各个字符行图像进行识别,根据定位信息对应生成文本即可。
本实施例提供的一种字符行图像的识别方法,能够避免将本属于不同行的字符图像误识别为属于同一行,提高了对待识别文字图片中字符行图像的识别正确率,由此可以降低字符识别模型识别待识别文字图片后生成的文本的误差率。
实施例二
图2为本公开实施例二提供的一种字符行图像的识别方法的流程图。本实施例以上述实施例中各个可选方案为基础进行具体化。
典型的,将获取待识别文字图片中各字符图像的定位信息,具体为使用字符检测模型检测待识别文字图片中各字符图像的定位信息,其中,所述字符检测模型的生成方法包括:
根据至少一个字符图像和空白背景图片构造至少一张待识别文字样本图片;
获取所述至少一张待识别文字样本图片中各字符图像的定位信息;
将所述待识别文字样本图片以及所述待识别文字样本图片中各字符图像的定位信息对应作为一组字符检测训练样本数据;
采用至少一组字符检测训练样本数据,对标准检测模型进行训练,生成字符检测模型。
通过上述字符检测模型的生成方法生成针对小语种语言的字符检测模型是非常有意义的,进而在待识别文字图片中的字符为小语种字符时,可以使用字符检测模型精确检测出各字符图像的定位信息,进而生成与待识别文字图片对应的字符行图像。
如图2所示,该方法具体包括如下步骤:
S210、根据至少一个字符图像和空白背景图片构造至少一张待识别文字样本图片。
典型的,字符图像为与小语种语言对应的单个字符的图像,具体可以是印地语字符图像。构造出大量的针对小语种语言的字符检测训练样本数据对字符检测模型进行训练,以使训练后的字符检测模型可以成功检测出待识别文字样本图片中的各个小语种字符的定位信息,进而可以使用字符识别模型对待识别文字样本图片中的各个小语种字符图像进行字符识别。
可以通过网络爬虫技术获取网络上的大量与小语种语言对应的语料,根据与语料对应的Unicode在字体库中获取与语料对应的各个字符的字符图像,进而将各个字符图像添加在一张空白背景图片上构成一张待识别文字样本图片,其中,在将字符图像添加在空白背景图片上时,需要首先确定出字符图像在空白背景图片中的定位信息。具体的,定位信息包括位置信息和旋转角度信息。
具体的,可以将至少一个字符图像拼接成至少一个字符行图像,根据至少一个字符行图像和空白背景图片构造至少一张待识别文字样本图片。
S220、获取至少一张待识别文字样本图片中各字符图像的定位信息。
在构造完成待识别文字样本图片之后,获取该待识别文字样本图片中各字符图像的位置信息以及旋转角度信息。
S230、将待识别文字样本图片以及待识别文字样本图片中各字符图像的定位信息对应作为一组字符检测训练样本数据。
在确定了待识别文字样本图片中各个字符图像的定位信息后,将这些字符图像的定位信息与待识别文字样本图片对应起来,即可作为一组字符检测训练样本数据。
通过网络爬虫获取多段与小语种语言对应的语料,基于这些语料可以构造大量的待识别文字样本图片,进而生成大量的针对小语种语言的字符检测训练样本数据。甚至是,针对网络爬虫获取的同一段语料,可以将与该语料对应的各字符图像按照不同的预设定位信息添加至不同的空白背景图片中,以生成不同的待识别文字样本图片,由此也可以生成大量的针对小语种语言的字符检测训练样本数据。
S240、采用至少一组字符检测训练样本数据,对标准检测模型进行训练,生成字符检测模型。
在自动生成大量的字符检测训练样本数据之后,使用这些字符检测训练样本数据对标准检测模型进行训练,使标准检测模型根据这些样本数据进行学习后生成能够检测待识别文字样本图片中各个小语种字符图像的字符检测模型。
具体的,标准检测模型为原始机器学习模型,进而可以采用至少一组字符检测训练样本数据以及标准字符检测训练样本集,对所述原始机器学习模型进行训练,生成字符检测模型。
原始机器学习模型可以是指未经训练的机器学习模型。字符检测模型是指经过训练后的机器学习模型,用于检测待识别文字图片中各个字符图像的定位信息,输入为待识别文字图片,输出为待识别文字图片中各个字符图像的定位信息。其中,标准字符检测训练样本集中包括的字符检测训练样本可以是指现有的、用于训练字符检测模型能够成功检测出待识别图片中大语种(例如中文、英文等)字符图像定位信息的训练样本,也即不是通过S210-S230生成的字符检测训练样本。进而,采用大量的字符检测训练样本数据以及标准字符检测训练样本集,对原始机器学习模型进行训练后生成字符检测模型,既能够检测出待识别文字图片中的大语种字符图片的定位信息,也能够检测出待识别文字图片中的小语种字符图片的定位信息。
S250、使用字符检测模型获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容。
S260、根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像。
S270、将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像。
本实施例未详细解释之处,请参见前述实施例,在此不再赘述。
在上述技术方案中,采用标准字符检测训练样本集以及自动生成的大量字符检测训练样本数据后对标准检测模型进行训练,生成的字符检测模型不仅可以正确检测待识别文字图片中大语种字符图像的定位信息,还能够正确检测待识别文字图片中小语种字符图像的定位信息,进而在获取待识别文字图片中的各个语种字符图像的定位信息之后,实现对待识别文字图片中的各字符行图像的正确识别。
实施例三
图3为本公开实施例三提供的一种字符行图像的识别方法的流程图。本实施例以上述实施例中各个可选方案为基础进行具体化,典型的,以生成与待识别文字图片中的一行字符内容对应的字符行图像为例进行解释说明。
如图3所示,该方法具体包括如下步骤:
S310、根据各字符图像的定位信息确定与待识别文字图片中一行字符内容对应的首字符图像,将所述首字符图像作为目标字符图像,并为目标字符图像设置行标识。
S320、根据各字符图像的位置信息以及设定获取方向,判断是否能获取到与目标字符图像对应的至少一个备选邻近字符图像,若是,则执行S330,若否,则执行S3130。
S330、根据目标字符图像的旋转角度分别确定横坐标权重调整系数rx和纵坐标权重调整系数ry,其中,ry≤rx。
S340、根据目标字符图像以及至少一个备选邻近字符图像的像素坐标,以及横坐标权重调整系数rx和纵坐标权重调整系数ry,分别计算目标字符图像与每个备选邻近字符图像之间的马氏距离,分别对应作为目标字符图像与每个备选邻近字符图像之间的图像距离。
S350、根据图像距离计算结果,获取与目标字符图像距离最近的一个备选邻近字符图像作为标准备选字符图像。
S360、判断标准备选字符图像是否设置有行标识,若否,则执行S370,若是,则执行S380。
S370、将标准备选字符图像作为同行邻近字符图像,并将同行邻近字符图像的行标识设置为目标字符图像的行标识,同时将同行邻近字符图像作为目标字符图像,返回执行S320。
S380、根据定位信息以及目标行标识,获取标准备选字符图像的前一同行邻近字符图像。
S390、根据标准备选字符图像的旋转角度分别确定横坐标权重调整系数ux和纵坐标权重调整系数uy,其中,uy≤ux。
S3100、根据标准备选字符图像以及前一同行邻近字符图像的像素坐标,以及横坐标权重调整系数ux和纵坐标权重调整系数uy,计算标准备选字符图像与前一同行邻近字符图像之间的马氏距离作为比对图像距离。
S3110、如果比对图像距离大于目标字符图像与标准备选字符图像之间的图像距离,则将标准备选字符图像作为目标字符图像的同行邻近字符图像,并使用目标字符图像的行标识替换标准备选字符图像的目标行标识。
S3120、将与目标行标识对应的其他字符图像中,与标准备选字符图像关联的后向同行邻近字符图像的行标识,修改为标准备选字符图像的行标识,执行S3140。
S3130、将目标字符图像确定为与待识别文字图片中一行字符内容对应的尾字符图像。
S3140、将行标识相同的全部字符图像按照定位信息进行拼接,得到与待识别文字图片中一行字符内容对应的字符行图像。
上述为得到与待识别文字图片中一行字符内容对应的字符行图像的步骤,重新确定与待识别文字图片中另一行字符内容对应的首字符图像后,重复S310-S3140,即可得到分别与待识别文字图片中另一行字符内容对应的字符行图像,由此类推,即可得到与待识别文字图片对应的全部字符行图像。
本实施例未详细解释之处,请参见前述实施例,在此不再赘述。
本实施例针对待识别文字图片中的一行字符内容生成字符行图像,能够将本属于这一行却被误划分为其他行的字符图像的行标识进行更正,进而提高了对待识别文字图片中字符行图像的识别正确率,由此可以降低字符识别模型识别待识别文字图片后生成的文本的误差率。
实施例四
图4为本公开实施例提供的一种字符行图像的识别装置的结构示意图,本实施例可适用于识别出待识别文字图片中各字符行图像,进而使字符识别模型对每个字符行图像进行字符识别的情况。该装置可以采用软件和/或硬件的方式实现,该装置可以配置于电子设备中,例如典型的是计算机等。如图4所示,该装置可以包括:定位信息获取模块410、邻近字符图像获取模块420和字符行图像生成模块430,其中,
定位信息获取模块410,用于获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容;
邻近字符图像获取模块420,用于根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像;
字符行图像生成模块430,用于将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像。
本实施例提供的一种字符行图像的识别装置,能够避免将本属于不同行的字符图像误识别为属于同一行,提高了对待识别文字图片中字符行图像的识别正确率,由此可以降低字符识别模型识别待识别文字图片后生成的文本的误差率。
进一步的,所述定位信息包括位置信息和旋转角度信息;
对应的,邻近字符图像获取模块420具体包括:
备选邻近字符图像获取单元,用根据各所述字符图像的位置信息以及所述设定获取方向,获取与当前处理的目标字符图像对应的至少一个备选邻近字符图像;
图像距离计算单元,用于根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离;
邻近字符图像获取单元,用于根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像。
进一步的,所述图像距离计算单元具体包括:
权重调整系数确定子单元,用于根据所述目标字符图像的旋转角度分别确定横坐标权重调整系数rx和纵坐标权重调整系数ry,其中,ry≤rx;
图像距离确定子单元,用于根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及所述横坐标权重调整系数rx和纵坐标权重调整系数ry,分别计算所述目标字符图像与每个备选邻近字符图像之间的马氏距离,分别对应作为所述目标字符图像与每个备选邻近字符图像之间的图像距离。
进一步的,邻近字符图像获取模块420还包括:
行标识设置单元,用于在根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像之后,将所述同行邻近字符图像的行标识设置为所述目标字符图像的行标识;
其中,按照所述设定获取方向,每一行的首个字符图像被赋予对应的行标识。
进一步的,所述邻近字符图像获取单元具体包括:
标准备选字符图像确定子单元,用于根据所述图像距离计算结果,获取与所述目标字符图像距离最近的一个备选邻近字符图像作为标准备选字符图像;
同行邻近字符图像第一确定子单元,用于如果所述标准备选字符图像未设置有行标识,则将所述标准备选字符图像作为所述同行邻近字符图像;
比对邻近字符图像获取子单元,用于如果所述标准备选字符图像设置有目标行标识且所述目标行标识与所述目标字符图像的行标识不一致,则根据定位信息以及所述目标行标识,获取所述标准备选字符图像的前一同行邻近字符图像;
比对图像距离计算子单元,用于采用所述偏转校正算法,计算所述前一同行邻近字符图像与所述标准备选字符图像之间的比对图像距离;
同行邻近字符图像第二确定子单元,用于如果所述比对图像距离大于所述目标字符图像与所述标准备选字符图像之间的图像距离,则将所述标准备选字符图像作为所述目标字符图像的同行邻近字符图像,并使用所述目标字符图像的行标识替换所述标准备选字符图像的目标行标识;
行标识修改子单元,用于将与所述目标行标识对应的其他字符图像中,与所述标准备选字符图像关联的后向同行邻近字符图像的行标识,修改为所述标准备选字符图像的行标识。
进一步的,所述字符行图像的识别装置还包括:
核验模块,用于在根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像之后,验证在所述待识别文字图片中,是否包括有未设置行标识的至少一个孤立字符图像;
若是,则根据各所述孤立字符图像的定位信息,为所述孤立字符图像设置新的行标识,和/或,为所述孤立字符图像设置已有行标识。
进一步的,所述字符行图像的识别装置还包括:
字符检测模型的生成模块,用于根据至少一个字符图像和空白背景图片构造至少一张待识别文字样本图片;
获取所述至少一张待识别文字样本图片中各字符图像的定位信息;
将所述待识别文字样本图片以及所述待识别文字样本图片中各字符图像的定位信息对应作为一组字符检测训练样本数据;
采用至少一组字符检测训练样本数据,对标准检测模型进行训练,生成字符检测模型;
对应的,定位信息获取模块410具体用于使用字符检测模型检测待识别文字图片中各字符图像的定位信息。
本公开实施例提供的字符行图像的识别装置,与前述实施例提供的字符行图像的识别方法属于同一发明构思,未在本公开实施例中详尽描述的技术细节可参见前述实施例,并且本公开实施例与前述实施例具有相同的有益效果。
实施例五
本公开实施例提供了一种电子设备,下面参考图5,其示出了适于用来实现本公开实施例的电子设备(例如客户端或服务器端)500的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)、便携式多媒体播放器(PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的字符行图像的识别方法中限定的上述功能。
实施例六
本公开实施例还提供了一种计算机可读存储介质,计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、射频(RF)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容;根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像;将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,“定位信息获取模块”还可以被描述为“获取各字符图像的定位信息的模块”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种字符行图像的识别方法,其特征在于,包括:
获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容,所述定位信息包括位置信息和旋转角度信息;
根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像;
将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像;
所述根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与字符图像对应的同行邻近字符图像,包括:
根据各所述字符图像的位置信息以及所述设定获取方向,获取与当前处理的目标字符图像对应的至少一个备选邻近字符图像;
根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离;
根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像;
所述根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像,包括:
根据所述图像距离计算结果,获取与所述目标字符图像距离最近的一个备选邻近字符图像作为标准备选字符图像;
如果所述标准备选字符图像未设置有行标识,则将所述标准备选字符图像作为所述同行邻近字符图像;
如果所述标准备选字符图像设置有目标行标识且所述目标行标识与所述目标字符图像的行标识不一致,则根据定位信息以及所述目标行标识,获取所述标准备选字符图像的前一同行邻近字符图像;
采用所述偏转校正算法,计算所述前一同行邻近字符图像与所述标准备选字符图像之间的比对图像距离;
如果所述比对图像距离大于所述目标字符图像与所述标准备选字符图像之间的图像距离,则将所述标准备选字符图像作为所述目标字符图像的同行邻近字符图像,并使用所述目标字符图像的行标识替换所述标准备选字符图像的目标行标识;
将与所述目标行标识对应的其他字符图像中,与所述标准备选字符图像关联的后向同行邻近字符图像的行标识,修改为所述标准备选字符图像的行标识。
2.根据权利要求1所述的方法,其特征在于,根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离,包括:
根据所述目标字符图像的旋转角度分别确定横坐标权重调整系数rx和纵坐标权重调整系数ry,其中,ry≤rx;
根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及所述横坐标权重调整系数rx和纵坐标权重调整系数ry,分别计算所述目标字符图像与每个备选邻近字符图像之间的马氏距离,分别对应作为所述目标字符图像与每个备选邻近字符图像之间的图像距离。
3.根据权利要求1所述的方法,其特征在于,在根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像之后,还包括:
将所述同行邻近字符图像的行标识设置为所述目标字符图像的行标识;
其中,按照所述设定获取方向,每一行的首个字符图像被赋予对应的行标识。
4.根据权利要求1或3所述的方法,其特征在于,在根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像之后,还包括:
验证在所述待识别文字图片中,是否包括有未设置行标识的至少一个孤立字符图像;
若是,则根据各所述孤立字符图像的定位信息,为所述孤立字符图像设置新的行标识,和/或,为所述孤立字符图像设置已有行标识。
5.根据权利要求1所述的方法,其特征在于,所述获取待识别文字图片中各字符图像的定位信息,包括:
使用字符检测模型检测待识别文字图片中各字符图像的定位信息,其中,所述字符检测模型的生成方法包括:
根据至少一个字符图像和空白背景图片构造至少一张待识别文字样本图片;
获取所述至少一张待识别文字样本图片中各字符图像的定位信息;
将所述待识别文字样本图片以及所述待识别文字样本图片中各字符图像的定位信息对应作为一组字符检测训练样本数据;
采用至少一组字符检测训练样本数据,对标准检测模型进行训练,生成字符检测模型。
6.一种字符行图像的识别装置,其特征在于,包括:
定位信息获取模块,用于获取待识别文字图片中各字符图像的定位信息,所述待识别文字图片中包括至少一行文字内容,所述定位信息包括位置信息和旋转角度信息;
邻近字符图像获取模块,用于根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像;
字符行图像生成模块,用于将与同一行对应的全部字符图像按照所述定位信息进行拼接,得到与各行对应的字符行图像;
所述邻近字符图像获取模块具体包括:
备选邻近字符图像获取单元,用根据各所述字符图像的位置信息以及所述设定获取方向,获取与当前处理的目标字符图像对应的至少一个备选邻近字符图像;
图像距离计算单元,用于根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及由所述目标字符图像的旋转角度信息确定的坐标权重调整系数,分别计算所述目标字符图像与每个备选邻近字符图像之间的图像距离;
邻近字符图像获取单元,用于根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像;
所述邻近字符图像获取单元具体包括:
标准备选字符图像确定子单元,用于根据所述图像距离计算结果,获取与所述目标字符图像距离最近的一个备选邻近字符图像作为标准备选字符图像;
同行邻近字符图像第一确定子单元,用于如果所述标准备选字符图像未设置有行标识,则将所述标准备选字符图像作为所述同行邻近字符图像;
比对邻近字符图像获取子单元,用于如果所述标准备选字符图像设置有目标行标识且所述目标行标识与所述目标字符图像的行标识不一致,则根据定位信息以及所述目标行标识,获取所述标准备选字符图像的前一同行邻近字符图像;
比对图像距离计算子单元,用于采用所述偏转校正算法,计算所述前一同行邻近字符图像与所述标准备选字符图像之间的比对图像距离;
同行邻近字符图像第二确定子单元,用于如果所述比对图像距离大于所述目标字符图像与所述标准备选字符图像之间的图像距离,则将所述标准备选字符图像作为所述目标字符图像的同行邻近字符图像,并使用所述目标字符图像的行标识替换所述标准备选字符图像的目标行标识;
行标识修改子单元,用于将与所述目标行标识对应的其他字符图像中,与所述标准备选字符图像关联的后向同行邻近字符图像的行标识,修改为所述标准备选字符图像的行标识。
7.根据权利要求6所述的装置,其特征在于,所述图像距离计算单元具体包括:
权重调整系数确定子单元,用于根据所述目标字符图像的旋转角度分别确定横坐标权重调整系数rx和纵坐标权重调整系数ry,其中,ry≤rx;
图像距离确定子单元,用于根据所述目标字符图像以及所述至少一个备选邻近字符图像的像素坐标,以及所述横坐标权重调整系数rx和纵坐标权重调整系数ry,分别计算所述目标字符图像与每个备选邻近字符图像之间的马氏距离,分别对应作为所述目标字符图像与每个备选邻近字符图像之间的图像距离。
8.根据权利要求6所述的装置,其特征在于,所述邻近字符图像获取模块还包括:
行标识设置单元,用于在根据所述图像距离计算结果,在所述备选邻近字符图像中获取所述同行邻近字符图像之后,将所述同行邻近字符图像的行标识设置为所述目标字符图像的行标识;
其中,按照所述设定获取方向,每一行的首个字符图像被赋予对应的行标识。
9.根据权利要求6或8所述的装置,其特征在于,还包括:
核验模块,用于在根据各所述定位信息以及预设的偏转校正算法,按照设定获取方向获取与各字符图像分别对应的同行邻近字符图像之后,验证在所述待识别文字图片中,是否包括有未设置行标识的至少一个孤立字符图像;
若是,则根据各所述孤立字符图像的定位信息,为所述孤立字符图像设置新的行标识,和/或,为所述孤立字符图像设置已有行标识。
10.根据权利要求6所述的装置,其特征在于,还包括:
字符检测模型的生成模块,用于根据至少一个字符图像和空白背景图片构造至少一张待识别文字样本图片;
获取所述至少一张待识别文字样本图片中各字符图像的定位信息;
将所述待识别文字样本图片以及所述待识别文字样本图片中各字符图像的定位信息对应作为一组字符检测训练样本数据;
采用至少一组字符检测训练样本数据,对标准检测模型进行训练,生成字符检测模型;
所述定位信息获取模块具体用于使用字符检测模型检测待识别文字图片中各字符图像的定位信息。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5任一所述的字符行图像的识别方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5任一所述的字符行图像的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027534.6A CN109598272B (zh) | 2019-01-11 | 2019-01-11 | 字符行图像的识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027534.6A CN109598272B (zh) | 2019-01-11 | 2019-01-11 | 字符行图像的识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109598272A CN109598272A (zh) | 2019-04-09 |
CN109598272B true CN109598272B (zh) | 2021-08-06 |
Family
ID=65966062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910027534.6A Active CN109598272B (zh) | 2019-01-11 | 2019-01-11 | 字符行图像的识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598272B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135429A (zh) * | 2019-04-18 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 扫描文字分段方法、装置、计算机设备和存储介质 |
CN111027364A (zh) * | 2019-04-29 | 2020-04-17 | 广东小天才科技有限公司 | 一种带印刷体干扰的听写内容识别方法及电子设备 |
CN110321895A (zh) * | 2019-04-30 | 2019-10-11 | 北京市商汤科技开发有限公司 | 证件识别方法和装置、电子设备、计算机可读存储介质 |
CN111079736B (zh) * | 2019-05-15 | 2023-06-30 | 广东小天才科技有限公司 | 一种听写内容识别方法及电子设备 |
CN110321788A (zh) * | 2019-05-17 | 2019-10-11 | 平安科技(深圳)有限公司 | 训练数据处理方法、装置、设备及计算机可读存储介质 |
CN111079502A (zh) * | 2019-07-26 | 2020-04-28 | 广东小天才科技有限公司 | 一种识别书写内容的方法及电子设备 |
CN110569830B (zh) * | 2019-08-01 | 2023-08-22 | 平安科技(深圳)有限公司 | 多语言文本识别方法、装置、计算机设备及存储介质 |
CN112651396A (zh) * | 2019-10-12 | 2021-04-13 | 丰图科技(深圳)有限公司 | 字符拼接方法、装置、网络设备及计算机可读存储介质 |
CN113128306A (zh) * | 2020-01-10 | 2021-07-16 | 北京字节跳动网络技术有限公司 | 垂直文本行识别方法、装置、设备及计算机可读存储介质 |
CN113139547B (zh) * | 2020-01-20 | 2022-04-29 | 阿里巴巴集团控股有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN111738055B (zh) * | 2020-04-24 | 2023-07-18 | 浙江大学城市学院 | 多类别文本检测系统和基于该系统的票据表单检测方法 |
CN113343997B (zh) * | 2021-05-19 | 2022-04-19 | 北京百度网讯科技有限公司 | 光学字符识别方法、装置、电子设备和存储介质 |
CN113313064A (zh) * | 2021-06-23 | 2021-08-27 | 北京有竹居网络技术有限公司 | 字符识别方法、装置、可读介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8965127B2 (en) * | 2013-03-14 | 2015-02-24 | Konica Minolta Laboratory U.S.A., Inc. | Method for segmenting text words in document images |
CN106874905A (zh) * | 2017-01-12 | 2017-06-20 | 中南大学 | 一种基于自学习色彩聚类的自然场景文本检测的方法 |
CN107798299A (zh) * | 2017-10-09 | 2018-03-13 | 平安科技(深圳)有限公司 | 票据信息识别方法、电子装置及可读存储介质 |
CN108710882A (zh) * | 2018-05-11 | 2018-10-26 | 武汉科技大学 | 一种基于卷积神经网络的屏幕渲染文本识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1265324C (zh) * | 2003-11-06 | 2006-07-19 | 上海交通大学 | 基于相邻边缘点距离统计的文字图象分割方法 |
CN102063619B (zh) * | 2010-11-30 | 2013-03-13 | 汉王科技股份有限公司 | 文字行提取方法和装置 |
-
2019
- 2019-01-11 CN CN201910027534.6A patent/CN109598272B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8965127B2 (en) * | 2013-03-14 | 2015-02-24 | Konica Minolta Laboratory U.S.A., Inc. | Method for segmenting text words in document images |
CN106874905A (zh) * | 2017-01-12 | 2017-06-20 | 中南大学 | 一种基于自学习色彩聚类的自然场景文本检测的方法 |
CN107798299A (zh) * | 2017-10-09 | 2018-03-13 | 平安科技(深圳)有限公司 | 票据信息识别方法、电子装置及可读存储介质 |
CN108710882A (zh) * | 2018-05-11 | 2018-10-26 | 武汉科技大学 | 一种基于卷积神经网络的屏幕渲染文本识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109598272A (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598272B (zh) | 字符行图像的识别方法、装置、设备及介质 | |
EP3836016A1 (en) | Recognizing invoice images | |
CN109753968B (zh) | 字符识别模型的生成方法、装置、设备及介质 | |
CN111950555B (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN110837796B (zh) | 图像处理方法及装置 | |
CN109766879A (zh) | 字符检测模型的生成、字符检测方法、装置、设备及介质 | |
CN106845508B (zh) | 一种检测图像中信息卡的方法、装置和系统 | |
CN112528776B (zh) | 文本行校正方法和装置 | |
CN112241739A (zh) | 识别文本错误的方法、装置、设备和计算机可读介质 | |
JP2016045877A (ja) | 情報処理装置、情報処理システム、情報処理方法及びそのプログラム | |
JP6665595B2 (ja) | 文字認識装置、方法およびプログラム | |
US10896287B2 (en) | Identifying and modifying specific user input | |
CN113420757B (zh) | 文本审核方法、装置、电子设备和计算机可读介质 | |
JP2018124918A (ja) | 画像処理装置、画像処理方法及びプログラム | |
US9110926B1 (en) | Skew detection for vertical text | |
WO2022194130A1 (zh) | 字符位置修正方法、装置、电子设备和存储介质 | |
CN112667103B (zh) | 书写装置的校正方法、装置、终端和存储介质 | |
WO2021118273A1 (en) | Electronic device and method for processing writing input | |
CN114489903A (zh) | 界面元素定位方法、装置、存储介质及电子设备 | |
CN114155545A (zh) | 表格识别方法、装置、可读介质及电子设备 | |
CN115730208A (zh) | 训练方法、训练装置、训练设备及计算机可读存储介质 | |
CN113191251A (zh) | 一种笔顺检测方法、装置、电子设备和存储介质 | |
CN111860315A (zh) | 一种表格线的检测方法、装置、设备及存储介质 | |
CN111325117B (zh) | 目标对象识别模型的训练方法、装置和电子设备 | |
US20230140017A1 (en) | Method, apparatus, system, and computer program for correcting table coordinate information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |