[发明专利]一种文本图像的识别方法及系统

权利要求书

1.一种文本图像的识别方法，其特征在于，包括：

将待识别图像输入图像压缩正位网络进行旋转，以使所述待识别图像中的文本处于水平的位置，所述图像压缩正位网络是通过机器学习的方法训练得到的，具有图像旋转功能；

对所述图像压缩正位网络输出的图像识别文本；

所述图像压缩正位网络对所述待识别图像进行旋转的同时，还在文本图像边缘加入标记位点，所述标记位点用于区分文本图像中的文字和空白区域；

对所述图像压缩正位网络输出的图像识别文本的过程为：从所述图像压缩正位网络根据所述标记位点输出的图像识别文本；

所述图像压缩正位网络由卷积神经网络的卷积层和池化层组成；

所述图像压缩正位网络的获取方法包括：

获取训练图像文本；

对训练图像进行旋转正位，作为训练靶标，并标记原始图像作为训练集；

根据训练靶标的样本，对文本逐行逐字切割，在文字间隔处加入切割位点；

将训练样本和训练靶标输入卷积自编码器进行训练，将训练完成后的卷积自编码删除解码器中的全连接层，获得具有自动校正和压缩能力的所述图像压缩正位网络。

2.根据权利要求1所述的方法，其特征在于，所述图像压缩正位网络对所述待识别图像进行旋转的同时，还对所述待识别图像进行压缩。

3.根据权利要求2所述的方法，其特征在于，

根据所述标记点对所述经压缩和旋转后的待识别图像进行逐行、逐字切割；

将切割后的待识别图像输入文本识别神经网络进行文本识别，所述文本识别神经网络是通过机器学习的方法训练得到的，具有文本识别功能。

4.根据权利要求3所述的方法，其特征在于，所述文本识别神经网络的获取过程包括：

建立字库；

搭建多分类卷积神经网络；

选取字库中的文字拼接为完整图像，输入所述图像压缩正位网络进行压缩；

利用所述图像压缩正位网络压缩后的字库训练卷积神经网络；

获得所述文本识别神经网络。

5.根据权利要求4所述的方法，其特征在于，所述文本识别神经网络由所述卷积神经网络的卷积层、池化层、全连接层和相应的网络权值构成。

6.根据权利要求1至5任一项所述的方法，其特征在于，对文本识别的过程采用分布式处理方式，多组所述文本识别神经网络同时进行工作；并对分布式文本识别的结果按顺序进行整合，获得最终的文本识别结果。

7.一种文本图像的识别系统，其特征在于，包括：

文本图像获取模块，所述文本图像获取模块用于获取用户待识别图像；

图像压缩正位网络，所述图像压缩正位网络用于对所述获取的用户待识别图像进行旋转和压缩；

文本切割模块，所述文本切割模块将经旋转压缩后的图像进行逐行逐字切割；以及文本识别模块，所述文本识别模块对经切割后的图像进行识别输出相应的文字。