[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

说明书

本发明涉及图像文字识别技术领域，具体地说，涉及一种基于循环神经网络识别算法的图像文字识别系统及方法。其包括图像文字获取单元、图像文字预处理单元、特征提取单元和分类判决单元；图像文字获取单元用于将图像文字信息转化为电信息，并将电信息传输给图像文字预处理单元；分类判决单元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。本发明中图像识别系统识别更为精准，算法也比较匹配，从而达到快速简单的对图像信息进行分类的目的。

技术领域

本发明涉及图像文字识别技术领域，具体地说，一种涉及基于循环神经网络识别算法的图像文字识别系统及方法。

背景技术

随着，计算机以及网络技术水平的提高，在图像文字识别技术中也运用到了计算机以及网络技术，利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用，但很多图像文字识别设备在使用过程中无法对识别的图像文字信息进行分类判别，抑或判别精度不够准确，又或者整体系统设置紊乱不合理，导致计算机收集到的信息非常混乱，不便于信息的整理。

发明内容

本发明的目的在于提供基于循环神经网络识别算法的图像文字识别系统及方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明目的之一在于，提供了基于循环神经网络识别算法的图像文字识别系统，包括图像文字获取单元、图像文字预处理单元、特征提取单元和分类判决单元；所述图像文字获取单元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；所述图像文字预处理单元用于将每一个图像文字分检出来交给所述特征提取单元；所述特征提取单元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包括扫描模块和翻译模块；所述扫描模块用于将图像文字反射的光点进行收集，依次记录光点的数值并产生一个彩色数字拷贝；所述翻译模块用于将图像文字翻译成一系列数字，并存储在电子介质内；

所述图像文字预处理单元包括校正模块、切分模块、边缘检测模块、图像文字平滑模块和图像文字锐化模块；所述校正模块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；所述切分模块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；

所述特征提取单元包括识别模块和提取模块；所述识别模块用于对图像文字中的有效信息进行判定，并将判定结果传递给所述提取模块；所述提取模块接收判定结果，将判定结果中的有效信息提取；

所述分类判决单元包括分类模块和判决模块；所述分类模块用于对所述特征提取单元提取的信息进行分类；所述判决模块对分类的信息进行判别，并输出判别结果。

分类模块采用贝叶斯定理进行分类，由于P(X)对于所有类为常数，最大化后验概率P(Ci|X)可转化为最大化先验概率P(X|Ci)P(Ci)；当训练数据集有许多属性和元组，计算P(X|Ci)的开销会非常大，为此，假设各属性的取值互相独立，这样使得先验概率P(x1|Ci)，P(x2|Ci)，…，P(xn|Ci)从训练数据集求得；根据此方法，对一个未知类别的样本X，先分别计算出X属于每一个类别Ci的概率P(X|Ci)P(Ci)，然后选择其中概率最大的类别作为其类别。

作为本技术方案的进一步改进，所述缘检测模块采用Roberts边缘算子对边缘进行计算，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。