[发明专利]一种基于行列切分的印刷体字符的识别方法

说明书

本发明公开了一种基于行列切分的印刷体字符的识别方法，对于图像进行列切分，对于列切分后的切片，再次进行行切分；将行列切分后的图像切片送入卷积神经网络，进行特征提取，得到切片对应的特征向量；对于空白切片，则在识别过程中，忽略这部分空白切片；对于存在文字部分的切片，使用循环神经网络模型学习这些切片的前后关联关系，经过softmax激励得到每列切片对应文字的预测概率，利用CTC算法处理每列切片的文字预测概率，进而确定所识别的文字。通过上述方式，本发明能够同时利用行、列两个维度的信息，所获得的文字特征更加丰富，识别率高。

技术领域

本发明涉及字符识别技术领域，特别是涉及一种基于行列切分的印刷体字符的识别方法。

背景技术

字符识别能够自动识别和提取图片中的文字，已广泛应用于纸质文件的电子化归档、不含芯片的证照信息读取等领域。当前，该领域的主流技术是深度学习技术，识别流程为：首先按行提取图片中的文字，然后按列对整行文字进行切分，最后将每一个切片送入深度学习模型识别并输出结果。

然而，传统方法对提取后的文字区域只进行列切分，即将一行文字划分为多个列切片，这种方法仅适用于文字大小相同，且处于同一水平线上的情况。对于艺术字体，处于同一行的文字大小不尽相同，如果按最大文字高度进行列切分，则较小的文字占整个切片区域的比例较小，影响后续的识别。此外，由于广告文字排版的随意性，即使是同样大小的文字，也可能倾斜或者旋转排列，如果仅进行列切分，文字在不同切片中的位置是变化的，也会影响后续的识别。

发明内容

本发明主要解决的技术问题是提供一种基于行列切分的印刷体字符的识别方法，能够在列切分的基础上进行行切分，可同时利用行、列两个维度的信息，所获得的文字特征更加丰富，后续识别率更高。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于行列切分的印刷体字符的识别方法，包括：对于图像进行列切分，对于列切分后的切片，再次进行行切分；将行列切分后的图像切片送入卷积神经网络，进行特征提取，得到切片对应的特征向量；对于空白切片，则在识别过程中，忽略这部分空白切片；对于存在文字部分的切片，使用循环神经网络模型学习这些切片的前后关联关系，经过softmax激励得到每列切片对应文字的预测概率，利用CTC算法处理每列切片的文字预测概率，进而确定所识别的文字。

一种基于行列切分的印刷体字符的识别方法，具体包括以下步骤：

步骤一、利用行文本检测算法，检测并裁剪图片中的行文本区域；

步骤二、对于每一个行文本区域，以固定宽度按列进行切分，形成列切片；

步骤三、对于每一个列切片，以固定高度按行进行二次切分，形成行切片；

步骤四、将按行列切分后的每一个的图像切片送入卷积神经网络，进行特征提取，得到切片对应的特征向量；

步骤五、从第一个列切片开始，将其包含的每一个行切片的特征向量送入循环神经网络，然后取循环神经网络的最后一个输出作为当前状态计算下一列；同时，该输出经过softmax激励，得到该列切片对应文字的预测概率；重复该过程，直到最后一个列切片计算完成为止；

步骤六、利用CTC算法处理每个列切片的文字预测概率，得到最终的文字识别结果。

进一步，所述步骤一中行文本检测算法包括CPTN、Yolo、PixelLink。

进一步，所述步骤二中列切分宽度为4个像素，所述步骤三中行切分高度为4个像素。

本发明的有益效果是：本发明可有效解决文字大小不均、非水平排列的情况下识别率低的问题。本发明在列切分的基础上进行行切分，可同时利用行、列两个维度的信息，与单纯使用列切分方法相比，所获得的文字特征更加丰富，后续识别率更高。

附图说明