[發明專利]OCR字符識別方法及系統

有效

• 申請號: 201310752624.4
• 申請日: 2013-12-31
• 公開（公告）號: CN103679165A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 王海峰;和為
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種OCR字符識別方法，其特征在于，包括以下步驟：

對用戶選擇的目標區域內的圖像進行OCR字符識別以得到識別的詞串，其中，所述詞串包括K個子詞串，每個子詞串至少包括1個字符，所述K為正整數；

計算所述識別的詞串中子詞串的數量；

如果所述詞串中子詞串的數量大于2，則判斷所述第1個子詞串W₁中字符的個數和所述第K個子詞串W_K中字符的個數是否小于預設值；

如果所述W₁中字符的個數和/或W_K中字符的個數小于所述預設值，則判斷所述W₁的噪聲概率得分和/或W_K的噪聲概率得分是否大于預設噪音；

如果是，則判定所述W₁和/或所述W_K為噪聲并從所述詞串中刪除所述W₁和/或所述W_K以得到新的詞串。

2.根據權利要求1所述的OCR字符識別方法，其特征在于，還包括：

如果所述詞串中子詞串的數量等于2，則判斷所述W₁中字符的個數是否小于所述W_K中字符的個數；

如果所述W₁中字符的個數小于所述W_K中字符的個數，則進一步判斷所述W₁中字符的個數是否小于預設值；

如果所述W₁中字符的個數小于所述預設值，則進一步判斷所述W₁的噪聲概率得分是否大于預設噪音；

如果是，則判定所述W₁為噪聲并從所述詞串中刪除所述W₁以得到新的詞串。

3.根據權利要求2所述的OCR字符識別方法，其特征在于，還包括：

如果所述W₁中字符的個數大于所述W_K中字符的個數，則進一步判斷所述W_K中字符的個數是否小于預設值；

如果所述W_K中字符的個數小于所述預設值，則進一步判斷所述W_K的噪聲概率得分是否大于預設噪音；

如果是，則判定所述W_K為噪聲并從所述詞串中刪除所述W_K以得到新的詞串。

4.根據權利要求1所述的OCR字符識別方法，其特征在于，所述噪聲通過如下公式得到：P_left＝αlogp(W₁)+βlogp(W₂|W₁)，P_right＝αlogp(W_k)+βlogp(W_k|W_k-1)。

5.根據權利要求1-4任一項所述的OCR字符識別方法，其特征在于，還包括：對所述新的詞串進行OCR翻譯。

6.一種OCR字符識別系統，其特征在于，包括：

識別模塊，用于對用戶選擇的目標區域內的圖像進行OCR字符識別以得到識別的詞串，其中，所述詞串包括K個子詞串，每個子詞串至少包括1個字符，所述K為正整數；

計算模塊，用于計算所述識別的詞串中子詞串的數量；

去噪模塊，用于在所述詞串中子詞串的數量大于2，判斷所述第1個子詞串W₁中字符的個數和所述第K個子詞串W_K中字符的個數是否小于預設值，如果小于所述預設值時，判斷所述W₁的噪聲概率得分和/或所述W_K的噪聲概率得分是否大于預設噪音，如果大于所述預設噪音，則判定所述W₁和/或所述W_K為噪聲并從所述詞串中刪除所述W₁和/或所述W_K以得到新的詞串。