[发明专利]一种基于图片的字体识别方法、装置及电子设备

说明书

本发明实施例公开一种基于图片的字体识别方法、装置及电子设备，涉及文字识别技术，能够有效提升字体识别准确率。基于图片的字体识别方法包括：依据预先设置的小波变换级数，对待识别图片进行小波变换得到第一小波特征向量；依据预先通过样本计算获得的线性变换矩阵对所述第一小波特征向量进行特征变换得到第一变换特征向量；依据所述第一变换特征向量以及预先通过样本计算获得的样本字体的特征参数计算判决函数值；根据所述判决函数值，确定所述待识别图片中的所述字符的字体。本发明适用于对图片中包含的文字进行字体识别。

技术领域

本发明涉及文字识别技术，尤其涉及一种基于图片的字体识别方法、装置及电子设备。

背景技术

光学字符识别(OCR，Optical Character Recognition)或归一化识别是利用扫描仪或数码相机等电子设备检查打印的字符，通过检测暗、亮的模式确定字符形状，然后利用字符识别方法将确定的字符形状翻译成计算机文字的技术，属于图型识别(PR，PatternRecognition)领域，主要应用于字符识别。

随着图文能够提供给用户更多以及更精彩的信息，图片中包含文本的应用也越来越普遍，因而，如何从图文中识别出字符以及字符所属的字体，以便于用户确定字符所属的字体，有效设置输入或识别的字符的字体，提升用户体验成为当前研究的热点。但目前应用的光学字符识别或归一化识别，由于主要应用于纯字符识别，对于图片中包含的字符的字体，还不能进行识别或识别的字体与实际字体不符，使得字体识别的准确率较低，导致依据识别的字体设置字符的准确度较低。

发明内容

有鉴于此，本发明实施例提供一种基于图片的字体识别方法、装置及电子设备，能够有效提升字体识别的准确率。

第一方面，本发明实施例提供一种基于图片的字体识别方法，包括：依据预先设置的小波变换级数，对待识别图片进行小波变换，得到第一小波特征向量；依据预先通过样本计算获得的线性变换矩阵对所述第一小波特征向量进行特征变换，得到第一变换特征向量；依据所述第一变换特征向量，以及预先通过样本计算获得的各类样本字体的特征参数，计算判决函数值；根据所述判决函数值，确定所述待识别图片中的字符的字体。

结合第一方面，在第一方面的第一种实施方式中，所述依据预先设置的小波变换级数，对待识别图片进行小波变换，得到第一小波特征向量，包括：依据预先设置的小波变换级数，对待识别图片进行小波变换，得到两个以上的第一小波变换子图片；提取各第一小波变换子图片的特征，并将提取的各第一小波变换子图片的特征进行组合，得到第一小波特征向量。

结合第一方面，在第一方面的第二种实施方式中，在依据预先设置的小波变换级数，对待识别图片中的字符进行小波变换，得到第一小波特征向量之前，所述方法，所述方法，还包括：依据预先设置的小波变换级数，对样本进行小波变换，得到第二小波特征向量；依据所述第二小波特征向量，确定所述线性变换矩阵。

结合第一方面的第二种实施方式，在第一方面的第三种实施方式中，所述依据预先设置的小波变换级数，对样本进行小波变换，得到第二小波特征向量，包括：依据预先设置的小波变换级数，对第j类样本中第i个样本字符进行小波变换，得到所述第i个样本字符的两个以上小波变换子图片；其中，1≤j≤C，C表示样本字体类别数目，1≤i≤N_j，N_j表示第j类样本中的样本数；提取所述第i个样本字符的各小波变换子图片的特征，并将提取的所述第i个样本字符的各小波变换子图片的特征进行组合，得到所述第i个样本的第二小波特征向量。