[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的字符識別方法

有效

• 申請?zhí)枺?/td>: 201810332531.9
• 申請日: 2018-04-13
• 公開（公告）號: CN108596066B
• 公開（公告）日: 2020-05-26
• 發(fā)明（設(shè)計）人: 張海劍;成帥;楊天韻
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的字符識別方法，主要解決現(xiàn)有的人力錄入工程圖紙數(shù)據(jù)時費時費力、錯誤率高的問題，其主要步驟包括：1)采用基于Otsu法的最佳全局閾值處理將灰度圖像轉(zhuǎn)換為二值圖像。2)對傾斜的圖像進行旋轉(zhuǎn)矯正。3)采用數(shù)學(xué)形態(tài)學(xué)的算法提取出表格框。4)獲得字符所在區(qū)域。5)將斜向字符串旋轉(zhuǎn)相應(yīng)的角度至水平方向。6)采用圓形霍夫變換的算法來查找圖像中的圓圈，提取工程圖紙中的焊道號。7)采用卷積神經(jīng)網(wǎng)絡(luò)的方法對工程圖紙進行圖文識別。8)通過編碼規(guī)則修正簡單錯誤，自動糾正識別錯誤。9)輸出并存儲圖紙數(shù)據(jù)。本發(fā)明在工程圖紙的圖文識別上具有高準(zhǔn)確率和實時性，實現(xiàn)了工程圖紙數(shù)據(jù)的高效記錄與管理。

技術(shù)領(lǐng)域

本發(fā)明屬于模式識別領(lǐng)域，特別涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的字符識別方法，可用于工業(yè)圖紙的文檔掃描識別。

背景技術(shù)

光學(xué)字符識別(Optical Character Recognition，OCR)技術(shù)，是指電子設(shè)備檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別的方法將形狀翻譯成計算機文字的過程。OCR是模式識別領(lǐng)域的重要研究方向，并廣泛運用于自動化信息處理，在建筑、機械等工程領(lǐng)域有著重要的實際意義。

在實際工程中，工作人員需要將工業(yè)圖紙的信息錄入計算機，以便工程信息的記錄與管理。然而，一般情況下，工程圖紙數(shù)量龐大而且內(nèi)容繁雜，如果僅憑人力錄入往往需要大量的人力成本和時間成本，人力錄入的工作的枯燥且重復(fù)，很可能出現(xiàn)誤錄、誤識別的現(xiàn)象。如果能自動掃描識別工程圖紙的內(nèi)容，將為工程節(jié)省大量的人力和時間成本，工程圖紙文檔的管理也將變得簡單高效。

傳統(tǒng)的圖文識別方法主要包括統(tǒng)計決策識別和基于機器學(xué)習(xí)的文字識別方法兩類。統(tǒng)計決策識別是最傳統(tǒng)的圖文識別方法，典型的統(tǒng)計決策識別方法是模板匹配方法，它通過計算模板圖像和輸入圖像的最小距離，選出輸入圖像的最佳匹配模板，這種方法的實現(xiàn)過程較為簡單，但是出錯率高，計算量大，不能取得良好的實時性?；跈C器學(xué)習(xí)的文字識別方法主要包括圖像預(yù)處理，特征提取和識別幾個步驟，特征提取可以采用人工提取特征或者卷積神經(jīng)網(wǎng)絡(luò)來提取圖像特征。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一種實現(xiàn)模型，具有局部感知野和權(quán)值共享的特征，極大地減少了計算復(fù)雜度，在圖文識別方面也得到了快速發(fā)展。但是針對質(zhì)量差和復(fù)雜的圖紙，傳統(tǒng)的基于卷積神經(jīng)網(wǎng)絡(luò)的識別算法并不能取得較高的準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的字符識別方法，在對傳統(tǒng)的字符識別卷積神經(jīng)網(wǎng)絡(luò)進行了改進，簡化了網(wǎng)絡(luò)結(jié)構(gòu)，采用合適的激勵函數(shù)和池化方法，并增加替換和列表比較等糾錯后處理操作，極大提高了識別的速度和準(zhǔn)確率。此外，本方法采用最小二乘法對傾斜字符進行矯正，實現(xiàn)了多方向字符的識別，適應(yīng)了工業(yè)圖紙的復(fù)雜性，且能夠滿足識別準(zhǔn)確率要求。因此，本發(fā)明采用的卷積神經(jīng)網(wǎng)絡(luò)的方法，相對于傳統(tǒng)的識別方法，準(zhǔn)確率更高，更加有效。

本發(fā)明的技術(shù)方案包括以下步驟：

步驟1，對工程圖紙掃描文檔二值化，將工程圖紙掃描文檔中的圖文與背景分離；

步驟2，針對傾斜的掃描文檔，找到二值圖像的傾斜角，采用雙線性插值對圖像進行旋轉(zhuǎn)矯正；

步驟3，采用數(shù)學(xué)形態(tài)學(xué)處理提取出步驟2矯正圖像中的表格框線，將圖像分割為圖面區(qū)域、材料表區(qū)域和標(biāo)題欄區(qū)域；

步驟4，搜索步驟2中矯正圖像所有的連通區(qū)域，再依據(jù)圖像中所標(biāo)記連通區(qū)域的形狀和近鄰位置特征篩選、合并連通區(qū)域來定位單個字符；

步驟5，將單個字符組合成字符串，計算字符串中各字符外接矩形的中心點的擬合直線，依據(jù)擬合直線的斜率判斷字符串的走向，將斜向字符串旋轉(zhuǎn)相應(yīng)的角度至水平方向；

步驟6，查找步驟2矯正圖像中的圓圈，并提取工程圖紙中的焊道號；