[发明专利]一种智能OCR验光单识别处理方法

权利要求书

1.一种智能OCR验光单识别处理方法，其特征在于，该智能OCR验光单识别处理方法包括以下步骤：

S1、获取验光单的待处理图像，并对待处理图像进行预处理，获取验光单的待识别图像；

S2、对待识别图像中的待识别信息进行识别，获取验光单上的文字信息；

S3、根据验光单上的文字信息对识别后的图像进行分割标注处理，获取最终的验光单图像；

S4、存储最终获取的验光单图像。

2.根据权利要求1所述的一种智能OCR验光单识别处理方法，其特征在于，所述获取验光单的待处理图像，并对待处理图像进行预处理，获取验光单的待识别图像包括以下步骤：

S11、获取验光单的待检测图像；

S12、通过OpenCV开源库调节待检测图像的亮度和对比度；

S13、确定待检测图像的预设边界，并基于预设边界获取对应的矩形区域；

S14、基于矩形区域形成待矫正图像，并计算待矫正图像的倾斜角度并对待矫正图像进行角度校正，使待矫正图像中的文字处于水平竖直状态，最终得到待识别图像。

3.根据权利要求1所述的一种智能OCR验光单识别处理方法，其特征在于，所述对待识别图像中的待识别信息进行识别，获取验光单上的文字信息包括以下步骤：

S21、分别获取待识别图像中的若干个目标区域；

S22、通过开源库tesseract对每个目标区域上的待识别信息进行识别；

S23、根据所识别的每个目标区域上的待识别信息的识别结果，获得所述验光单上的文字信息。

4.根据权利要求3所述的一种智能OCR验光单识别处理方法，其特征在于，所述验光单上的文字信息包括左右眼近视或远视度数、左右眼散光度数、左右眼散光方向、左右眼矫正视力及左右眼两者瞳孔的间距。

5.根据权利要求1所述的一种智能OCR验光单识别处理方法，其特征在于，所述根据验光单上的文字信息对识别后的图像进行分割标注处理，获取最终的验光单图像包括以下步骤：

S31、采用标签松弛法对识别后的图像进行分割，得到图像分割图；

S32、采用关联标注算法对图像分割图进行标注，并获取最终的验光单图像。

6.根据权利要求5所述的一种智能OCR验光单识别处理方法，其特征在于，所述采用标签松弛法对识别后的图像进行分割包括以下步骤：

S311、采用标签松弛法对图像的像素进行标签松弛化处理，并进行像素标签的替换；

S312、计算像素标签的极大似然估计，定义边缘损失，并利用边缘损失及初始交叉熵损失对模型进行监督训练；

S313、在模型上采样预测过程中，利用边缘预测法确定模糊边缘像素点的类别，并选取多个标签不确定的模糊边缘像素点；

S314、利用共享的点分类器对标签不确定的模糊像素点进行分类，并确定该模糊像素点具体的类别标签；

S315、将预测后的模糊边缘像素点的类别和双线性插值后的标签图混合得到最终的图像分割图。

7.根据权利要求6所述的一种智能OCR验光单识别处理方法，其特征在于，所述采用标签松弛法对图像的像素进行标签松弛化处理，并进行像素标签的替换包括以下步骤：

S3111、采用标签松弛法对图像的边缘像素的标签范围进行松弛修改：选取每个像素点周围八邻域的像素点作为该像素点的标签松弛范围；

S3112、利用松弛过后范围内所有标签的交集替代初始标注的像素的标签。

8.根据权利要求7所述的一种智能OCR验光单识别处理方法，其特征在于，所述计算像素标签的极大似然估计，定义边缘损失，并利用边缘损失及初始交叉熵损失对模型进行监督训练包括以下步骤：

S3121、定义每个像素点自身标签及其周围八邻域像素标签的交集为松弛后的标签图；

S3122、计算标注图像像素标签的极大似然估计，并定义边缘损失；

S3123、将边缘损失与初始交叉熵损失结合形成最终的代价损失函数，并将该代价损失函数用于模型的训练监督。