[發(fā)明專利]一種提高版式文檔中字符識別率的方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201310450972.6
• 申請日: 2013-09-25
• 公開（公告）號: CN104463153B
• 公開（公告）日: 2018-09-04
• 發(fā)明（設(shè)計）人: 董寧;耿蕾蕾
• 申請（專利權(quán)）人: 北大方正集團有限公司;北京方正阿帕比技術(shù)有限公司
• 主分類號: G06K9/03
• 分類號: G06K9/03
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 寇海俠

1.一種提高版式文檔中字符識別率的方法,其特征在于，包括如下步驟：

提取所述版式文檔中的每個預(yù)定字符的字形位圖；

提取所述版式文檔中的每個所述預(yù)定字符的字符原始編碼；

對所述字形位圖進(jìn)行OCR識別后得到識別后字符；

對所述識別后字符對照通用標(biāo)準(zhǔn)字符編碼庫得到字符通用標(biāo)準(zhǔn)編碼,其中，所述字符通用標(biāo)準(zhǔn)編碼為國標(biāo)GB2312；

將所述版式文檔中同一個預(yù)定字符所對應(yīng)的字符原始編碼與字符通用標(biāo)準(zhǔn)編碼進(jìn)行比較得到編碼相同或者編碼不同的編碼比對結(jié)果；

將多個所述預(yù)定字符所對應(yīng)的所述編碼比對結(jié)果進(jìn)行概率統(tǒng)計得到所述預(yù)定字符采用字符通用標(biāo)準(zhǔn)編碼的概率值；

將所述概率值與閾值進(jìn)行比對，若超過閾值，則所述預(yù)定字符按照其所述字符原始編碼對照通用標(biāo)準(zhǔn)字符編碼庫所得到的字符并顯示；否則，直接顯示該所述預(yù)定字符通過OCR識別出的字符。

2.根據(jù)權(quán)利要求1所述的一種提高版式文檔中字符識別率的方法,其特征在于，在提取所述字符原始編碼的步驟之前，還包括如下步驟：

將所述版式文檔中具有字符原始編碼的字符作為預(yù)定字符篩選出來。

3.根據(jù)權(quán)利要求2所述的一種提高版式文檔中字符識別率的方法,其特征在于，將所述版式文檔中具有字符原始編碼的字符作為預(yù)定字符篩選出來的步驟之后，還包括如下步驟：

為每個所述預(yù)定字符進(jìn)行I D編號。

4.根據(jù)權(quán)利要求3所述的一種提高版式文檔中字符識別率的方法,其特征在于，在提取所述版式文檔中的每個所述預(yù)定字符的字符原始編碼的步驟后，還包括如下步驟：

建立一個字符原始編碼表，將所述預(yù)定字符的I D與其相對應(yīng)的所述字符原始編碼存儲到所述字符原始編碼表中。

5.根據(jù)權(quán)利要求3或4所述的一種提高版式文檔中字符識別率的方法,其特征在于，在得到所述字符通用標(biāo)準(zhǔn)編碼的步驟后，還包括如下步驟：

建立一個字符標(biāo)準(zhǔn)編碼表，將所述預(yù)定字符的I D與其相對應(yīng)的所述字符標(biāo)準(zhǔn)編碼存儲到所述字符標(biāo)準(zhǔn)編碼表中。

6.根據(jù)權(quán)利要求1所述的一種提高版式文檔中字符識別率的方法,其特征在于，將所述概率值與閾值進(jìn)行比對并進(jìn)行相應(yīng)的操作之前，還包括如下步驟：

建立一個用于顯示、修改和確認(rèn)所述字符的可編輯界面。

7.一種提高版式文檔中字符識別率的系統(tǒng),其特征在于，包括字形位圖提取裝置、字符原始編碼提取裝置、OCR識別裝置、字符通用標(biāo)準(zhǔn)編碼對應(yīng)裝置、編碼比對裝置、概率統(tǒng)計裝置和概率值、閾值比對裝置，其中，

所述字形位圖提取裝置，用于提取所述版式文檔中的每個預(yù)定字符的字形位圖；

所述字符原始編碼提取裝置，用于提取所述版式文檔中的每個所述預(yù)定字符的字符原始編碼；

所述OCR識別裝置，用于對提取出的所述字形位圖進(jìn)行OCR識別后得到識別后字符；

所述字符通用標(biāo)準(zhǔn)編碼對應(yīng)裝置，用于對所述識別后字符對照通用標(biāo)準(zhǔn)字符編碼庫得到字符通用標(biāo)準(zhǔn)編碼，其中，所述字符通用標(biāo)準(zhǔn)編碼為國標(biāo)GB2312；

所述編碼比對裝置，用于將所述版式文檔中同一個預(yù)定字符所對應(yīng)的字符原始編碼與字符通用標(biāo)準(zhǔn)編碼進(jìn)行比較得到編碼相同或者編碼不同的編碼比對結(jié)果；

所述概率統(tǒng)計裝置，用于將多個所述預(yù)定字符所對應(yīng)的所述編碼比對結(jié)果進(jìn)行概率統(tǒng)計得到所述預(yù)定字符采用字符通用標(biāo)準(zhǔn)編碼的概率值；

所述概率值、閾值比對裝置，用于將所述概率值與閾值進(jìn)行比對，若超過閾值，則所述預(yù)定字符按照其所述字符原始編碼對照通用標(biāo)準(zhǔn)字符編碼庫所得到的字符并顯示；否則，直接顯示該所述預(yù)定字符通過OCR識別出的字符。

8.根據(jù)權(quán)利要求7所述的一種提高版式文檔中字符識別率的系統(tǒng),其特征在于，還包括預(yù)定字符篩選裝置，所述預(yù)定字符篩選裝置用于將所述版式文檔中具有字符原始編碼的字符作為預(yù)定字符篩選出來。