[发明专利]应用于票据影像字符识别的数字图像处理系统及方法

说明书

技术领域

本发明涉及数字图像处理及光学字符识别技术领域，尤其涉及应用于票据影像字符识别的数字图像处理系统及方法。

背景技术

随着数字图像处理、模式识别和人工智能的发展，光学字符识别(Optical Character Recognition，OCR)技术在金融领域，尤其是票据影像票面要素合法性检验、票据业务流程再造等方面得到了越来越多的应用。目前光学字符识别系统主要处理流程如图1所示，大体可分为影像输入、影像预处理、字符特征提取、字符匹配识别这四个步骤。

第一个步骤是影像输入，主要利用光学仪器对待识别的标的物(如书籍、文件、证件等)进行扫描，从而生成相应的影像数据，光学仪器包括扫描仪、传真机、数码相机或者其他摄影器。影像生成时光照条件，影像的分辨率等因素，将影响后续识别的效果和精度。

第二个步骤为图像的预处理，这是根据前一阶段生成影像的特点，对影像进行处理以便于后续阶段的字符提取，主要包括影像色彩校正、影像倾斜校正、噪声过滤以及统一将影像转换成黑白二值化图或者是灰度图。预处理具体细节流程，需要根据影像数据的特点和参数进行设计，例如影像存在不同程度的色偏，预处理阶段就必须包含色彩矫正这一步。

第三个、第四个步骤分别为字符特征提取和匹配识别，主要是将上一阶段的字符区域按照字符进行分割，然后对单个字符提取其字符特征，为后续匹配识别做准备。目前的识别方法主要有两种，一为统计的特征，例如记录区域内的黑/白像素数比，当文字区分成好几个区域时，这一个个区域黑/白像素比的联合，就成了空间的一个数值向量，称为特征向量，在后续识别时只需与该特征向量进行比对即可。而另一类特征为结构的特征，如字符影像细线化后，取得字符的笔划端点、交叉点的数量及位置，或以笔划段等字符拓扑结构参数为特征，然后在特征库中进行比对即可得到结果。

如上所述，目前字符识别方法的主要流程架构、尤其是第三、第四步骤已经比较成熟稳定，而影响其识别正确率的关键，在于第二个步骤影像预处理，待识别的标的物因为其自身特点的不同，以及影像数据的扫描过程、扫描生成时的光照条件的不同和成像设备的个体差异，都会造成影像包含各种各样的影响识别的“噪声”(以后文中约定噪声即表示影响识别图像中字符的因素)，一个通用的识别系统由于效率、性能、成本和可行性的缘故，在设计时往往不可能也不会考虑所有可能影响识别正确率的因素。这即是说，现有通用系统的设计策略是尽可能多地识别各种影像中的字符，但是其所依据的影像参数模型却不能描述所有的影像问题，因此往往会存在有些影像未能得到合适的预处理就流入后续的识别步骤，最终造成识别错误。例如银行票据影像交换中的支票编号识别问题，因为支票在使用的过程中存在不确定性，往往存在支票编号被印章、手写字符覆盖的问题，同时生成的票据影像也存在光照、色偏上的差异，但是目前通用性的识别系统上没有对这些特征加以定量地描述和考虑，所以现有的通用识别系统针对票据的识别结果往往不能令人满意，难以满足金融业信息录入，尤其是账务类信息录入的严格要求，这实际上也是阻碍光学字符识别在金融业进一步得到推广的关键。

发明内容

本发明实施例提供一种应用于票据影像字符识别的数字图像处理系统，用以在银行票据影像交换的支票影像分析处理过程中提高票据影像字符识别正确率，该系统包括：

影像参数检测模块，用于检测票据影像参数；

影像倾斜检测模块，用于检测票据影像中票面的倾斜程度；

字符区域检测模块，用于对字符区域进行定位；

字符区域可识别检测模块，用于检测字符区域中的字符参数和印章像素；

字符匹配度检测模块，用于将字符区域中的字符与模板进行匹配度检测；

开口特征检测模块，用于检测字符区域中的字符的开口特征；

所述字符区域检测模块具体用于：

测量出影像右上角中黑色背景的横向和纵向上的长度，以定位支票票面右上角的确定坐标位置；划定字符区域相对票面的位置和大小；通过动态调整确定字符区域的具体大小和位置坐标；

根据票据影像中票面结构和票面偏移情况，获取支票编号区域在票据影像中的位置坐标和尺寸大小，判断是否能够分割出支票编号区域，若不能分割出支票编号区域则确定票据为落地处理。

一个实施例中，所述影像参数检测模块具体用于：

检测票据影像是否符合分辨率、影像尺寸和影像格式要求，以及是否包含完整票据画面，在达不到要求时确定票据为落地处理。

一个实施例中，所述影像倾斜检测模块具体用于：