[发明专利]基于循环神经网络识别算法的图像文字识别系统及方法

权利要求书

1.一种基于循环神经网络识别算法的图像文字识别系统，其特征在于：包括图像文字获取单元(100)、图像文字预处理单元(200)、特征提取单元(300)和分类判决单元(400)；所述图像文字获取单元(100)用于将图像文字信息转化为电信息，并将电信息传输给所述图像文字预处理单元(200)；所述图像文字预处理单元(200)用于将每一个图像文字分检出来交给所述特征提取单元(300)；所述特征提取单元(300)用于接收图像文字对图像文字信息进行提取，并决定每个图像文字的点是否属于一个图像文字特征；所述分类判决单元(400)用于训练确定判决规则，通过判决规则对图像文字进行分类；

所述图像文字获取单元(100)包括扫描模块(110)和翻译模块(120)；所述扫描模块(110)用于将图像文字反射的光点进行收集；所述翻译模块(120)用于将图像文字翻译，并存储在电子介质内；

所述图像文字预处理单元(200)包括校正模块(210)、切分模块(220)、边缘检测模块(230)、图像文字平滑模块(240)和图像文字锐化模块(250)；所述校正模块(210)用于将颠倒以及倾斜的图像文字进行自动校正，并将校正后的图像文字信息传递给所述切分模块(220)；所述切分模块(220)用于将校正后的图像文字从整个图像文字中分割出来；所述边缘检测模块(230)用于将图像文字的目标区域和背景区域分开；所述图像文字平滑模块(240)用于改善图像质量，使图像亮度平缓渐变以及减小突变的梯度；所述图像文字锐化模块(250)用于补偿图像的轮廓,增强图像的边缘及灰度跳变的部分；

所述特征提取单元(300)包括识别模块(310)和提取模块(320)；所述识别模块(310)用于识别图像文字中的有效信息并对图像文字中的有效信息进行判定，并将判定结果传递给提取模块(320)；提取模块(320)接收判定结果，将判定结果中的有效信息提取；识别有效信息时，首先将二值化图像以六个方向再次进行扫描，然后计算图像的扫描线和字符笔画的交叠次数，并把此相交作为构造密度特征函数的数据，而六个方向分别为30°、60°、水平、120°、15°和垂直方向，对二值图像计算这六个方向的密度，最后，处理所有方向的扫描数据，获得特征值在0～1范围的特征向量；

所述分类判决单元(400)包括分类模块(410)和判决模块(420)；所述分类模块(410)用于对所述特征提取单元(300)提取的信息进行分类；所述判决模块(420)对分类的信息进行判别，并输出判别结果。

2.根据权利要求1所述的基于循环神经网络识别算法的图像文字识别系统，其特征在于：所述缘检测模块(230)采用Roberts边缘算子对边缘进行计算。

3.根据权利要求2所述的基于循环神经网络识别算法的图像文字识别系统，其特征在于：所述Roberts边缘算子的计算公式如下：

其中，f(x,y)是具有整数像素坐标的输入图像。

4.根据权利要求1所述的基于循环神经网络识别算法的图像文字识别系统，其特征在于：所述识别模块(310)采用循环神经网络对图像文字特征进行提取，所述循环神经网络是一类以序列数据为输入，在序列的演进方向进行递归且所有循环单元按链式连接的递归神经网络。

5.根据权利要求4所述的基于循环神经网络识别算法的图像文字识别系统，其特征在于：所述循环单元的表示公式如下：

h^(t)＝f(s^(t-1)，s^(t)，θ)；

其中，h为系统状态；s为内部状态；t为时间步；θ为权重系数；f()为激励函数。

6.根据权利要求5所述的基于循环神经网络识别算法的图像文字识别系统，其特征在于：所述循环神经网络采用卷积神经网络，所述卷积神经网络包括输入层、隐含层和输出层。

7.根据权利要求6所述的基于循环神经网络识别算法的图像文字识别系统，其特征在于：所述隐含层内含有卷积核、激励函数和池化层。