[发明专利]扭曲文字行的矫正方法及装置、字符识别方法及装置

说明书

本文公开一种扭曲文字行的矫正方法及装置、字符识别方法及装置，扭曲文字行的矫正方法包括：接收待识别的文档图像；确定所述文档图像中扭曲文字行的形变曲线；利用所述形变曲线对所述文档图像中扭曲文字行进行拉直处理，以对拉直处理后的所述文档图像进行识别。本申请至少能够有效提高具有扭曲文字行的文档图像的识别效果。

技术领域

本发明涉及字符识别技术领域，尤其涉及一种扭曲文字行的矫正方法及装置、字符识别方法及装置。

背景技术

相关技术中，光学字符识别(OCR，Optical Character Recognition)引擎对于近似直线的文字行能够取得比较好的识别效果，通常是基于LSTM+CTC或者LSTM+Seq2Seq的方法进行识别，具有比较好的鲁棒性，能够很好的应对图像的曝光、模糊、退化等质量问题。然而，对于扭曲的文字行，比如环形标志中的文字、弯曲的文档、弯曲的证件等等，相关技术的OCR识别引擎通常识别准确率低，无法取得好的识别效果。

发明内容

本申请旨在至少解决相关技术中的技术问题之一。

本申请提供一种扭曲文字行的矫正方法及装置、字符识别方法及装置，至少能够有效提高具有扭曲文字行的文档图像的识别效果。

本申请采用如下技术方案：

一种扭曲文字行的矫正方法，包括：

接收待识别的文档图像；

确定所述文档图像中扭曲文字行的形变曲线；

利用所述形变曲线对所述文档图像中扭曲文字行进行拉直处理，以对拉直处理后的所述文档图像进行识别。

其中，所述确定所述文档图像中扭曲文字行的形变曲线，包括：利用卷积神经网络CNN和双向长短时记忆神经网络BLSTM估算所述文档图像中扭曲文字行的形变曲线的参数。

其中，所述确定所述文档图像中扭曲文字行的形变曲线之前，还包括：建立包含视觉几何组VGG卷积神经网络、BLSTM层以及长短时记忆神经网络LSTM层的计算模型，并对所述计算模型进行训练；所述确定所述文档图像中扭曲文字行的形变曲线，包括：利用所述计算模型估算所述文档图像中扭曲文字行的形变曲线的参数。

其中，所述利用所述计算模型估算所述文档图像中扭曲文字行的形变曲线的参数，包括：将所述文档图像缩放之后输入所述计算模型进行前向计算，得到所述文档图像中扭曲文字行的形变曲线的控制点的位置参数。

其中，所述对所述计算模型进行训练，包括：将样本数据输入所述计算模型，使用随机梯度下降法SGD进行训练；其中，所述样本数据包括文档图像及其扭曲文字行的形变曲线的控制点位置参数的目标值。

其中，所述对所述计算模型进行训练，包括：通过多次执行如下过程最小化形变曲线的控制点位置参数的预测值与目标值的差距：将文档图像缩放到预定大小之后，输入所述计算模型，所述计算模型的VGG卷积神经网络提取特征图并输出到所述BLSTM层；所述BLSTM层对所述特征图处理之后，输出到所述LSTM层进行解码，得到所述文档图像中扭曲文字行的形变曲线的控制点位置参数的预测值并输出到SmoothL1Loss层；SmoothL1Loss层计算所述形变曲线的控制点位置参数的预测值与样本数据中目标值的差距。

其中，所述确定所述文档图像中扭曲文字行的形变曲线，包括：估算所述文档图像中扭曲文字行的形变曲线的控制点的位置参数；基于所述控制点的位置参数，得到所述文档图像中扭曲文字行的形变曲线上点的位置参数。

其中，所述确定所述文档图像中扭曲文字行的形变曲线，包括：通过对所述文档图像进行二值化，估算所述文档图像中扭曲文字行的形变曲线上点的位置参数。