[发明专利]后光学字符识别处理中的形状聚类

权利要求书

1.一种用于光学字符识别(OCR)的方法，包括：

利用第一光学字符识别(OCR)引擎处理文档图像以生成第一OCR输出，所述第一OCR输出包括识别位于所述文档图像中的第一剪切图像的第一边框以及指派给每个第一剪切图像的相应的一个或多个字符；

使用第二OCR引擎处理所述文档图像以生成第二OCR输出，所述第二OCR输出包括识别位于所述文档图像中的第二剪切图像的第二边框以及指派给每个第二剪切图像的相应的一个或多个字符；

对所述第一OCR输出应用形状聚类来产生具有第一剪切图像的第一集群以及对第一剪切图像的一个或多个字符的每个指派的相应的置信分值；

对所述第二OCR输出应用形状聚类来产生具有第二剪切图像的第二集群以及对第二剪切图像的一个或多个字符的每个指派的相应的置信分值；并且

从所述第一OCR输出和所述第二OCR输出生成最终的OCR输出，所述最终的OCR输出包括边框并且使用对所述第一剪切图像和所述第二剪切图像的所述一个或多个字符的指派的所述置信分值来对每个所述边框选择和指派相应的一个或多个字符。

2.如权利要求1所述的方法，其中：

所述集群包括(1)其中每个剪切图像与相应的OCR引擎所产生的单个边框相关联的集群和(2)其中每个剪切图像与相应的OCR引擎所产生的两个或更多相邻边框相关联的集群。

3.如权利要求1所述的方法，进一步包括：

至少利用第三OCR引擎处理所述文档图像以生成第三OCR输出，所述第三OCR输出包括识别位于所述文档图像中的第三剪切图像的第三边框以及指派给每个第三剪切图像的相应的一个或多个字符，并且

其中生成所述最终的OCR输出包括使用所述第一、第二和第三OCR输出并且使用对所述第一、第二和第三剪切图像的字符指派的置信分值在所述最终的OCR输出中对每个边框选择和指派相应的一个或多个字符。

4.如权利要求1所述的方法，其中：

形状聚类对多个集群中的每个集群指派相应的一个或多个字符，每个集群包括一个或多个剪切图像；并且

应用形状聚类包括访问原始文档图像并且获取灰度或色彩数据来确认或修改对集群的字符指派。

5.如权利要求1所述的方法，进一步包括：

在生成所述最终的OCR输出之前，处理所述第一集群以修改或验证所述第一OCR输出中对所述第一剪切图像的字符指派；并且

在生成所述最终的OCR输出之前，处理所述第二集群以修改或验证所述第二OCR输出中对所述第二剪切图像的字符指派。

6.一种用于光学字符识别(OCR)的系统，所述系统包括：

用于利用第一光学字符识别(OCR)引擎处理文档图像以生成第一OCR输出的装置，所述第一OCR输出包括识别位于所述文档图像中的第一剪切图像的第一边框以及指派给每个第一剪切图像的相应的一个或多个字符；

用于利用第二OCR引擎处理所述文档图像以生成第二OCR输出的装置，所述第二OCR输出包括识别位于所述文档图像中的第二剪切图像的第二边框以及指派给每个第二剪切图像的相应的一个或多个字符；

用于对所述第一OCR输出应用形状聚类来产生具有第一剪切图像的第一集群以及对第一剪切图像的一个或多个字符的每个指派的相应的置信分值的装置；

用于对所述第二OCR输出应用形状聚类来产生具有第二剪切图像的第二集群以及对第二剪切图像的一个或多个字符的每个指派的相应的置信分值的装置；并且

用于从所述第一OCR输出和所述第二OCR输出生成最终的OCR输出的装置，所述最终的OCR输出包括边框并且使用对所述第一剪切图像和所述第二剪切图像的所述一个或多个字符的指派的所述置信分值来对每个所述边框选择和指派相应的一个或多个字符。