[发明专利]基于预分类的古文字识别系统在审

专利信息
申请号: 201911015645.1 申请日: 2019-10-24
公开(公告)号: CN110738188A 公开(公告)日: 2020-01-31
发明(设计)人: 程少轩 申请(专利权)人: 程少轩
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 31204 上海德昭知识产权代理有限公司 代理人: 卢泓宇
地址: 210093 江苏省南京市栖霞区*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 字形信息 比对 古文字字形 图像获取部 参数分析 识别系统 存储部 准确率 存储 分析 保证
【权利要求书】:

1.一种基于预分类的古文字识别系统,用于对不同种类的古文字进行有效识别,其特征在于,包括:

古文字字形存储部,存储有对应不同种类古文字的字形信息;

古文字图像获取部,用于获取待识别的古文字图像;

字形参数分析部,用于对所述古文字图像中古文字的字形进行分析从而得到相应的字形参数;

种类比对划分部,用于将所述字形参数分别与各类所述字形信息进行比对并将所述字形参数对应的所述古文字图像划分为相应的古文字类;以及

古文字识别部,用于根据所述古文字类对所述古文字图像完成古文字识别。

2.根据权利要求1所述的基于预分类的古文字识别系统,其特征在于:

其中,所述字形信息包括各类所述古文字的字形粗细范围以及字形边缘锐利范围,

所述字形参数包括所述古文字图像中古文字的字形粗细参数以及字形边缘锐利程度,

所述种类比对划分部在将所述字形参数分别与各类所述字形信息进行比对时,将与所述字形参数相符的所述字形信息所对应的种类作为所述古文字类。

3.一种基于预分类的古文字识别系统,用于对不同种类的古文字进行有效识别,其特征在于,包括:

划分模型存储部,存储有事先训练完成且用于识别所述古文字的所属种类的种类划分模型;

古文字图像获取部,用于获取待识别的古文字图像;

字形参数分析部,用于对所述古文字图像中古文字的字形进行分析从而得到相应的字形参数;

种类识别划分部,用于将所述字形参数输入所述种类划分模型进行识别并将所述字形参数对应的所述古文字图像划分为相应的古文字类;以及

古文字识别部,用于根据所述古文字类对所述古文字图像完成古文字识别。

4.根据权利要求1或3所述的基于预分类的古文字识别系统,其特征在于:

其中,所述字形参数分析部通过傅里叶函数将所述字形量化为字形参数。

5.根据权利要求1或3所述的基于预分类的古文字识别系统,其特征在于,还包括:

古文字数据集存储部,存储有对应不同所述古文字类的古文字数据集,

其中,所述古文字识别部包括:

识别模型存储单元,存储有事先采用机器学习方法分别根据不同种类的所述古文字数据集完成训练得到的对应不同种类的多个古文字识别模型;

模型检索获取单元,用于根据所述古文字类检索所述识别模型存储单元并获取相应种类的所述古文字识别模型作为检测模型;以及

提取识别单元,用于将所述古文字图像输入所述检测模型提取相应特征并完成所述古文字识别。

6.根据权利要求1或3所述的基于预分类的古文字识别系统,其特征在于,还包括:

古文字数据集存储部,存储有分别对应不同所述古文字类且含有古文字图像以及相应现代文字信息的古文字数据集,

其中,所述古文字识别部包括:

数据集检索获取单元,用于根据所述古文字类检索所述古文字数据集存储部并获取相应的所述古文字数据集作为检测数据集;

图像比对获取单元,用于将所述古文字图像与所述检测数据集中的所述古文字图像分别进行比对并获取所述检测数据集中最相似的所述古文字图像作为比对结果图像;以及

检索识别单元,用于根据所述比对结果图像检索所述古文字数据集存储部并获取相应的所述现代文字信息从而完成所述古文字识别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于程少轩,未经程少轩许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911015645.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top