[發(fā)明專利]一種基于OCR識別結(jié)果的最長公共子串自動糾錯方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811281326.0
• 申請日: 2018-10-31
• 公開（公告）號: CN111126370A
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 葉瑞;葉凱迪;陸愛亮
• 申請（專利權(quán)）人: 上海邁弦網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/68
• 代理公司: 上海宏京知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31297
• 代理人: 鄧文武

1.一種基于OCR識別結(jié)果的最長公共子串自動糾錯方法，其特征在于，所述方法包括以下步驟：

步驟1：OCR軟件識別獲取待測圖像文件中的字符串；

步驟2：對OCR軟件識別獲取的字符串進(jìn)行預(yù)處理；

步驟3：對預(yù)處理后的字符串進(jìn)行字符糾錯替換處理；

步驟4：基于字符糾錯替換處理后的字符串進(jìn)行最長公共子串匹配計(jì)算處理，并輸出正確結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于OCR識別結(jié)果的最長公共子串自動糾錯方法，其特征在于，所述預(yù)處理具體步驟如下：

步驟2.1：根據(jù)識別獲取的字符串的字段特性，預(yù)先配置需要去除的非法字符；

步驟2.2：去除OCR軟件識別獲取的字符串中的非法字符；

步驟2.3：將去除非法字符處理后的字符串中的全角符號統(tǒng)一替換為半角符號，并將字符串作為中間結(jié)果存儲。

3.根據(jù)權(quán)利要求1所述的基于OCR識別結(jié)果的最長公共子串自動糾錯方法，其特征在于：所述字符串字符糾錯替換處理具體步驟如下：

步驟3.1：對預(yù)處理后的字符串進(jìn)行全局糾錯替換處理；

步驟3.2：對全局糾錯替換后的字符串進(jìn)行通配符糾錯替換處理；

步驟3.3：對通配符糾錯替換處理后的字符串進(jìn)行特殊糾錯替換處理。

4.根據(jù)權(quán)利要求1所述的基于OCR識別結(jié)果的最長公共子串自動糾錯方法，其特征在于：所述最長公共子串匹配計(jì)算處理具體步驟如下：

步驟4.1：計(jì)算字符糾錯替換處理后的字符串與預(yù)先存儲的目標(biāo)集合中的每個字符串的最長公共子串；

步驟4.2：依次判斷最長公共子串是否完全包含目標(biāo)集合中的每個字符串預(yù)先定義的公共子串，若是，輸出目標(biāo)集合中對應(yīng)的字符串。

5.根據(jù)權(quán)利要求3所述的基于OCR識別結(jié)果的最長公共子串自動糾錯方法，其特征在于：所述全局糾錯替換處理是根據(jù)業(yè)務(wù)應(yīng)用行業(yè)進(jìn)行的形近字字符替換。

6.根據(jù)權(quán)利要求3所述的基于OCR識別結(jié)果的最長公共子串自動糾錯方法，其特征在于：

所述通配符糾錯替換處理是對替代字符進(jìn)行的字符替換。

7.根據(jù)權(quán)利要求3所述的基于OCR識別結(jié)果的最長公共子串自動糾錯方法，其特征在于：

所述特殊糾錯替換處理是對全局糾錯替換處理和通配符糾錯替換處理的單獨(dú)特殊配置。

8.一種基于OCR識別結(jié)果的最長公共子串自動糾錯系統(tǒng)，其特征在于，所述系統(tǒng)包括：

識別獲取待測圖像文件中字符串的識別單元；

對識別獲取的字符串進(jìn)行預(yù)處理的預(yù)處理單元；

對預(yù)處理后的字符串進(jìn)行糾錯替換處理的糾錯替換單元；

對糾錯替換處理后的字符串進(jìn)行最長公共子串匹配計(jì)算的最長公共子串處理單元。

9.根據(jù)權(quán)利要求9所述的基于OCR識別結(jié)果的最長公共子串自動糾錯系統(tǒng)，其特征在于：所述預(yù)處理單元包括字符去除單元、字符替換單元以及字符存儲單元。

10.根據(jù)權(quán)利要求8所述的基于OCR識別結(jié)果的最長公共子串自動糾錯系統(tǒng)，其特征在于：所述糾錯替換單元包括全局糾錯替換單元、通配符糾錯替換以及特殊糾錯替換單元。