[发明专利]神经网络辅助的文字图像信息标注方法

权利要求书

1.神经网络辅助的文字图像信息标注方法，其特征在于，待识别的文字图片在用神经网络模型进行识别前经过行文字倾斜校正，所述行文字倾斜校正包括以下步骤：

步骤一、利用投影法将待识别的文字图片按行切分得多条行文字图片，用每条行文字图片的竖直中心线将该条行文字图片分为左半部分和右半部分；

步骤二、将每条行文字图片中左半部分字符像素点的中心点和右半部分字符像素点的中心点连线并计算斜率；

步骤三、以左半部分字符像素点的中心点为定点，将左半部分字符像素点的中心点右侧的所有字符像素点均向下或向上平移至步骤二中所述斜率为零。

2.如权利要求1所述的文字图像信息标注方法，其特征在于，步骤二中获取每条行文字图片中左半部分字符像素点或右半部分字符像素点的中心点的算法包括：以行宽方向做横轴，以行高方向做纵轴，计算左半部分字符像素点或右半部分字符像素点的纵轴坐标平均值作为纵坐标，以左半部分行宽一半处或右半部分行宽一半处对应的横坐标值作为横坐标，即可确定每条行文字图片中左半部分字符像素点或右半部分字符像素点的中心点。

3.如权利要求1所述的文字图像信息标注方法，其特征在于，待识别的文字图片经过行文字倾斜校正后生成多条新的行文字图片，利用投影法将新生成的行文字图片切分成多个单字符图片，并将每一单字符图片输入到神经网络模型中，得出单字符图片最可能对应的数个字符。

4.如权利要求3所述的文字图像信息标注方法，其特征在于，新生成的行文字图片切分成多个单字符图片的过程中，若第一次切分出的多个子图中有宽高比大于一常数值的子图，则将该子图沿宽度方向按该子图宽高比为该常数值的倍数的整数部分进行均分，得到第二次切分子图。

5.如权利要求1所述的文字图像信息标注方法，其特征在于，神经网络模型在使用前先用已标注好的字符图像进行训练，以使神经网络模型将字符图像与该字符图像对应标注的字符相关联，所述神经网络模型采用卷积神经网络。

6.如权利要求5所述的文字图像信息标注方法，其特征在于，已标注好的字符图像通过分割标注好的文字图片得到，若标注好的文字图片中有中文字符，按中文字符字宽相同的先验知识进行等分，若标注好的文字图片中有英文、数字及标点符号半角字符，按中文字符的一半宽度进行分割。

7.如权利要求5所述的文字图像信息标注方法，其特征在于，已标注好的字符图像在输入神经网络模型前进行等比例缩放处理，以适应神经网络模型输入模板的要求，已标注好的字符图像在放入输入模板后用白色像素点填充输入摸板中无颜色的像素点。

8.如权利要求7所述的文字图像信息标注方法，其特征在于，已标注好的字符图像放入输入模板后，还进行改变已标注好的字符图像的大小、改变已标注好的字符图像处于模板中的位置以及改变已标注好的字符图像的摆放角度其中至少一项，以增强神经网络模型对同一字符的不同出现形式的识别能力。

9.如权利要求7所述的文字图像信息标注方法，其特征在于，神经网络模型的训练过程为：将符合神经网络模型输入模板要求的已标注好的字符图像以像素点矩阵的形式作为输入矩阵，将该字符图像对应标注的字符以神经网络模型可识别的编码方式进行编码并作为输出矩阵，将输入矩阵与输出矩阵放入神经网络模型中训练。