[發(fā)明專利]利用知識(shí)庫(kù)海量關(guān)聯(lián)信息的中文名片OCR數(shù)據(jù)修正系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201410142535.2
• 申請(qǐng)日: 2014-04-10
• 公開（公告）號(hào): CN103927352A
• 公開（公告）日: 2014-07-16
• 發(fā)明（設(shè)計(jì)）人: 王曉平;肖仰華;汪衛(wèi)
• 申請(qǐng)（專利權(quán)）人: 江蘇唯實(shí)科技有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06K9/20
• 代理公司: 無(wú)錫市大為專利商標(biāo)事務(wù)所(普通合伙) 32104
• 代理人: 曹祖良

1.一種利用知識(shí)庫(kù)海量關(guān)聯(lián)信息的中文名片OCR數(shù)據(jù)修正系統(tǒng)，其特征在于，包括圖像采集模塊、圖像標(biāo)準(zhǔn)化處理模塊、字塊提取模塊、OCR模塊、知識(shí)庫(kù)模塊、數(shù)據(jù)修正模塊、增量維護(hù)模塊、結(jié)果展示模塊；?

所述圖像采集模塊用于獲得名片照片的數(shù)字圖像；?

所述圖像標(biāo)準(zhǔn)化處理模塊用于對(duì)名片照片進(jìn)行包括角度、尺寸在內(nèi)的歸一化處理，具體包括：圖像灰度化、名片傾斜校正、名片區(qū)域剪切、名片尺寸標(biāo)準(zhǔn)化；?

所述字塊提取模塊用于從名片圖像中提取出各子字塊；?

所述OCR模塊用于將名片圖像轉(zhuǎn)化為文本信息；?

所述知識(shí)庫(kù)模塊作為名片數(shù)據(jù)修正的來(lái)源和依據(jù)，包含名片修正所需的信息；?

所述數(shù)據(jù)修正模塊用于根據(jù)知識(shí)庫(kù)模塊，對(duì)OCR識(shí)別結(jié)果中的錯(cuò)誤進(jìn)行修正；?

所述增量維護(hù)模塊用于對(duì)OCR識(shí)別及修正結(jié)果進(jìn)行評(píng)判，并擴(kuò)充知識(shí)庫(kù)規(guī)模；?

所述結(jié)果展示模塊用于將修正后的結(jié)果進(jìn)行輸出。?

2.如權(quán)利要求1所述的利用知識(shí)庫(kù)海量關(guān)聯(lián)信息的中文名片OCR數(shù)據(jù)修正系統(tǒng)，其特征在于：?

所述圖像標(biāo)準(zhǔn)化處理模塊包含三個(gè)子模塊：名片傾斜校正子模塊、名片區(qū)域剪切子模塊、名片縮放子模塊；?

所述名片傾斜校正子模塊首先對(duì)名片照片進(jìn)行圖像灰度化處理；然后對(duì)名片進(jìn)行旋轉(zhuǎn)校正；?

所述名片區(qū)域剪切子模塊對(duì)傾斜校正后的灰度圖像進(jìn)行二值化處理；基于水平投影、垂直投影確定名片的區(qū)域，并按確定的區(qū)域?qū)⒚糠謴膱D像背景中剪切出來(lái)；?

所述名片縮放子模塊對(duì)剪切出的名片區(qū)域，按初始設(shè)定尺寸進(jìn)行比例縮放。?

3.如權(quán)利要求2所述的利用知識(shí)庫(kù)海量關(guān)聯(lián)信息的中文名片OCR數(shù)據(jù)修正系統(tǒng)，其特征在于：?

所述字塊提取模塊包括形態(tài)學(xué)處理子模塊和字塊提取子模塊；?

形態(tài)學(xué)處理子模塊對(duì)名片圖像的二值化結(jié)果圖，進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作，以保留真正的字符區(qū)域；?

字塊提取子模塊對(duì)保留下真正字符后的二值化結(jié)果圖，進(jìn)行連通區(qū)分析，并對(duì)每個(gè)連通區(qū)進(jìn)行水平膨脹處理，然后再次進(jìn)行連通區(qū)域分析，進(jìn)而求出新連通區(qū)的外接矩形，最后根據(jù)外接矩形將字塊區(qū)域作為子圖像提取出來(lái)。?

4.如權(quán)利要求1、2或3所述的利用知識(shí)庫(kù)海量關(guān)聯(lián)信息的中文名片OCR數(shù)據(jù)修正系統(tǒng)，其特征在于：?

所述數(shù)據(jù)修正模塊包括以下子模塊：信息結(jié)構(gòu)化子模塊和信息修正子模塊；?

信息結(jié)構(gòu)化子模塊用于：?

(a-1).預(yù)先枚舉并建立信息的屬性名稱庫(kù)，內(nèi)容至少包括“單位”、“地址”；?

(a-2).對(duì)OCR識(shí)別結(jié)果，首先從每條信息中尋找屬性名稱；?

(a-3).如果有匹配，則進(jìn)行屬性名修正，與預(yù)先枚舉定義的屬性名稱進(jìn)行相似度比較，并從枚舉庫(kù)中取出相似度最高的進(jìn)行替換；?

(a-4).如果無(wú)匹配，則自動(dòng)添加屬性標(biāo)注。?

5.如權(quán)利要求4所述的利用知識(shí)庫(kù)海量關(guān)聯(lián)信息的中文名片OCR數(shù)據(jù)修正系統(tǒng)，其特征在于：?

所述信息修正子模塊包括預(yù)處理工作子模塊、地址名-單位名稱的關(guān)聯(lián)數(shù)據(jù)修正子模塊；?

預(yù)處理工作子模塊用于：?

(b-1).對(duì)OCR結(jié)果中的地址、知識(shí)庫(kù)中的地址記錄，進(jìn)行行政區(qū)域級(jí)別分割；?

(b-2).對(duì)OCR結(jié)果中的單位機(jī)構(gòu)名稱、知識(shí)庫(kù)中的單位機(jī)構(gòu)名稱進(jìn)行中文分詞處理，對(duì)分詞后的各部分，分別賦以相應(yīng)的權(quán)值。?

6.如權(quán)利要求5所述的利用知識(shí)庫(kù)海量關(guān)聯(lián)信息的中文名片OCR數(shù)據(jù)修正系統(tǒng)，其特征在于：?

預(yù)處理工作子模塊處理步驟b-2中，采用基于整個(gè)中文維基百科知識(shí)庫(kù)中每篇文章的中文分詞結(jié)果統(tǒng)計(jì)出的IDF值作為權(quán)值的來(lái)源。?