[发明专利]基于融合形态特征的自适应多卷积神经网络文字识别方法

说明书

本发明公开了一种基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，包括：对待识别图像进行文字轮廓特征提取；对待识别图像中的文字图像通过自适应分类算法进行分类；根据分类结果将文字图像分配到不同密度的文字识别卷积神经网络中，将提取的文字轮廓特征与对应的文字图像特征进行融合，获得识别结果。本发明对待识别图像进行文字轮廓特征提取，并通过自适应分类算法对文字图像进行分类，将不同的文字图像给到不同的卷积神经网络进行文字识别，卷积神经网络对文字轮廓特征与文字图像融合，使得本发明所述的深度神经网络技术在加快识别速度的同时可以提高文字的总体识别率，特别是针对相似文字具有很好的识别效果。

技术领域

本发明涉及一种文字识别方法，尤其涉及一种基于融合形态特征的自适应多卷积神经网络文字识别方法。

背景技术

传统的文字识别方法往往聚焦于某一种特定的语言文字，研究者们通过对语言文字的特征进行针对性地提取，往往可以得到识别率较高的模型。

然而，在现实世界中，往往会存在多种文字同时出现的场景，如汉字、英语、数字往往会同时出现，这种情况下，很难对不同类型的语言文字进行统一的特征提取。

此外，随着不同类型的语言文字的增加，所要分类的类别也会增加，从而导致识别模型识别效率过慢的问题，同时，不同类型的语言文字存在相似字的情况，也会影响到模型的识别率。

文字识别一直是模式识别领域中的热门研究点。人类社会中的很大一部分信息包含在文字中，若能有一种较通用的方法能将文字快速且准确的识别出来，将极大的有助于计算机对信息的分析与理解。多年来，许多研究者提出了不少的方法，如基于模板匹配的方法、基于机器学习的方法、基于深度学习的方法等，也有一些较成熟的文字识别工具，如Google的开源OCR系统等。然而，很少有研究涉及到在多语言类型的情况下，如何有效快速准确地识别这些文字。

发明内容

本发明解决了现有技术中缺少可以在多语言类型情况下，快速有效识别文字的问题。

本发明的上述目的是通过以下技术方案实现的：

一种基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，包括：对待识别图像进行文字轮廓特征提取；对待识别图像中的文字图像通过自适应分类算法进行分类；根据分类结果将文字图像分配到不同密度的文字识别卷积神经网络中，将提取的文字轮廓特征与对应的文字图像特征进行融合，获得识别结果。

如上所述的基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，对待识别图像进行处理前进行图像预处理。

如上所述的基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，不同密度的文字识别卷积神经网络包括：低密度文字识别卷积神经网络、中密度文字识别卷积神经网络、高密度文字识别卷积神经网络。

如上所述的基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，图像预处理包括：灰度化处理、归一化处理。

如上所述的基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，文字轮廓特征提取包括：获取文字整体外形比例；获取文字整体外形比例包括：获取文字的最小外接矩形外框，获取矩形外框的长宽比信息。

如上所述的基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，根据外框尺寸及文字所占的像素点信息获取密度值，对外框尺寸进行等比例放大至设定值，获取放大后的相对密度值；根据相对密度值落入的范围，将文字图像分配到对应的文字识别卷积神经网络中识别。

如上所述的基于融合形态特征的自适应多卷积神经网络文字识别方法，其中，将文字图像分配到对应的第一文字识别卷积神经网络中识别后，获得识别结果，获取第一识别率；

如果识别率低于一设定阈值，则将文字图像分配到最接近的密度值范围对应的第二文字识别卷积神经网络中进行识别，获取第二识别率；