[發(fā)明專利]一種字符去粘連的方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201310556645.9
• 申請日: 2013-11-11
• 公開（公告）號: CN104636747A
• 公開（公告）日: 2015-05-20
• 發(fā)明（設(shè)計）人: 李平立;史培培
• 申請（專利權(quán)）人: 北京大學(xué);方正國際軟件（北京）有限公司;方正國際軟件有限公司
• 主分類號: G06K9/54
• 分類號: G06K9/54;G06K9/20
• 代理公司: 北京天悅專利代理事務(wù)所(普通合伙) 11311
• 代理人: 田明;任曉航

1.一種字符去粘連的方法，包括以下步驟：

（1）設(shè)定待處理字符圖像的先驗知識集；所述的先驗知識集是指待處理圖像中字符的屬性特征的集合；

（2）對待處理字符圖像進行連通域分析，并計算字符高度H和字符寬度W，確定連通域分析結(jié)果中需要進行拆分的連通域；

（3）對需要進行拆分的連通域進行拆分點定位，得到所有的拆分方案；

（4）采用所有的拆分方案分別對需要進行拆分的連通域進行拆分，對每種拆分方案對應(yīng)的字符拆分結(jié)果進行OCR識別，得到圖像的字符識別結(jié)果；

（5）根據(jù)先驗知識評價函數(shù)對每種拆分方案對應(yīng)的字符識別結(jié)果進行評價，將評價最匹配的字符識別結(jié)果作為去粘連后的識別結(jié)果；所述的先驗知識評價函數(shù)是根據(jù)先驗知識集構(gòu)造的用于評價字符識別結(jié)果是否符合先驗知識集中字符屬性特征的函數(shù)。

2.如權(quán)利要求1所述的一種字符去粘連的方法，其特征在于，在步驟（3）和步驟（4）之間，在采用所有的拆分方案對需要進行拆分的連通域進行拆分之前，還包括：

根據(jù)所述的先驗知識集排除所有拆分方案中不可行的拆分方案。

3.如權(quán)利要求1或2所述的一種字符去粘連的方法，其特征在于，步驟（1）中，所述的先驗知識集中包括字符的最大寬高比Ratio_max、最小寬高比Ratio_min、字符特性和字符的版面排布準(zhǔn)則。

4.如權(quán)利要求3所述的一種字符去粘連的方法，其特征在于，所述的字符特性包括字符間的高度和寬度關(guān)系；所述的版面排布準(zhǔn)則包括字符間的字符間距關(guān)系、以及字符間距與字符高度或者寬度的關(guān)系。

5.如權(quán)利要求4所述的一種字符去粘連的方法，其特征在于，步驟（2）中，計算字符高度H和字符寬度W的具體方式如下：

字符高度H為進行連通域分析后得到的所有連通域的高度的均值，字符寬度W=Ratio_max×H。

6.如權(quán)利要求1所述的一種字符去粘連的方法，其特征在于，步驟（2）中，確定連通域分析結(jié)果中需要進行拆分的連通域的具體方式為：

查看當(dāng)前連通域的寬度W_cur是否滿足W_cur>n×W，1<n<1.5，若是則確定該連通域需要進行拆分。

7.如權(quán)利要求6所述的一種字符去粘連的方法，其特征在于，步驟（3）中，通過細(xì)化圖的方式對需要進行拆分的連通域進行拆分點定位，具體方式包括：

1）將需要進行拆分的連通域的粘連圖像進行背景細(xì)化，得到背景細(xì)化圖；

2）在所述背景細(xì)化圖的上下分割線上查找交叉點作為特征點，上下分割線上成對出現(xiàn)的特征點作為一個拆分點，上下分隔線上單獨出現(xiàn)的特征點作為一個拆分點。

8.如權(quán)利要求6所述的一種字符去粘連的方法，其特征在于，步驟（3）中，根據(jù)先驗知識集對需要進行拆分的連通域進行拆分點定位，具體方式包括：

a.根據(jù)字符間距與字符高度或者寬度的關(guān)系計算字符間距；

b.根據(jù)當(dāng)前連通域的寬度W_cur與字符間距D_center確定粘連字符的個數(shù)m，計算公式為：

m=W_cur/D_center；

c.根據(jù)粘連字符的個數(shù)和字符間距將當(dāng)前連通域等字符間距拆分，得到拆分點。

9.一種字符去粘連的系統(tǒng)，包括：

先驗知識集設(shè)定模塊，用于設(shè)定待處理字符圖像中字符的先驗知識集；所述的先驗知識集是指待處理圖像中字符的屬性特征的集合；

待拆分區(qū)域確定模塊，用于對待處理字符圖像進行連通域分析，并計算字符高度H和字符寬度W，確定連通域分析結(jié)果中需要進行拆分的連通域；

拆分方案排除模塊，用于對需要進行拆分的連通域進行拆分點定位，得到所有的拆分方案；

字符識別模塊，用于采用所有的拆分方案分別對需要進行拆分的連通域進行拆分，對每種拆分方案對應(yīng)的字符拆分結(jié)果進行OCR識別，得到拆分后的字符識別結(jié)果；

識別結(jié)果確定模塊，用于根據(jù)先驗知識評價函數(shù)對每種拆分方案對應(yīng)的字符識別結(jié)果進行評價，將評價最匹配的字符識別結(jié)果作為去粘連后的識別結(jié)果；所述的先驗知識評價函數(shù)是根據(jù)先驗知識集構(gòu)造的用于評價字符識別結(jié)果是否符合先驗知識集中字符屬性特征的函數(shù)。

10.如權(quán)利要求9所述的一種字符去粘連的系統(tǒng)，其特征在于，該系統(tǒng)還包括：

拆分方案排除模塊，用于根據(jù)所述的先驗知識集排除所有拆分方案中不可行的拆分方案。