[發(fā)明專利]文本圖像處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811486458.7
• 申請(qǐng)日: 2018-12-06
• 公開（公告）號(hào): CN109685052A
• 公開（公告）日: 2019-04-26
• 發(fā)明（設(shè)計(jì)）人: 丁笑天;劉巖
• 申請(qǐng)（專利權(quán)）人: 泰康保險(xiǎn)集團(tuán)股份有限公司
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/34;G06K9/62
• 代理公司: 隆天知識(shí)產(chǎn)權(quán)代理有限公司 72003
• 代理人: 章侃銥;鄭特強(qiáng)

本公開涉及一種文本圖像處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。該方法包括：對(duì)原始文本圖像進(jìn)行文本區(qū)域檢測(cè)，生成多個(gè)文本區(qū)域塊；對(duì)所述原始文本圖像進(jìn)行表格線檢測(cè)，生成表格線；基于所述表格線將所述多個(gè)文本區(qū)域塊進(jìn)行合并處理，生成目標(biāo)文本圖像；以及通過所述目標(biāo)文本圖像進(jìn)行光學(xué)字符識(shí)別。本公開涉及的文本圖像處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，能夠?qū)儆谕恍小⑼粏卧竦奈谋咀鳛檎w輸出，從而能夠提升光學(xué)字符算法中文本識(shí)別的正確率。

技術(shù)領(lǐng)域

本公開涉及計(jì)算機(jī)信息處理領(lǐng)域，具體而言，涉及一種文本圖像處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

在公司辦公流程中，掃描文檔應(yīng)用十分頻繁，例如簽發(fā)公文、發(fā)票信息、歸檔電子檔案等；很多情況下人們需要從掃描文檔中(即掃描儀輸出的圖片)提取出文字信息，從而便于修改、存儲(chǔ)、檢索、利用及傳輸。因此如何高效地獲取掃描文檔的文字信息，具有重要的意義。

光學(xué)字符識(shí)別(Optical Character Recognition,OCR)技術(shù)，是通過對(duì)圖片中的文字進(jìn)行提取識(shí)別，轉(zhuǎn)換成可檢索的數(shù)據(jù)的過程。當(dāng)前 OCR技術(shù)已經(jīng)成為掃描文檔識(shí)別最重要的手段之一。然而，現(xiàn)今的OCR 技術(shù)并未發(fā)展完善，其識(shí)別正確率受諸多因素影響。其中，OCR技術(shù)中的文本檢測(cè)分割包括字符區(qū)域檢測(cè)和字符切分。不同文檔的字符區(qū)域位置、字體、字號(hào)、語(yǔ)言(中文、英文、其他語(yǔ)言等)都不盡相同；并且不同文檔本身的背景也很大可能不同。文本識(shí)別分類器的性能，會(huì)依賴于快速準(zhǔn)確的文本(及文本行)處理和定位算法。文本(及文本行)處理和定位的精度，往往能決定整個(gè)OCR識(shí)別過程的正確率。

而且，銀行、保險(xiǎn)行業(yè)中涉及的很多掃描文件都是表格形式的文本，例如體檢表格、各種票據(jù)等。在文本行處理和分割過程中，需要根據(jù)文件中的表格關(guān)系，組織文本的輸出，以形成結(jié)構(gòu)化文字輸出。由于帶有表格的文本圖像比普通文本更加復(fù)雜，現(xiàn)有技術(shù)中的對(duì)帶有表格的文本圖像的文本行處理和定位具有很大的缺陷。

因此，需要一種新的文本圖像處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

有鑒于此，本公開提供一種文本圖像處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，能夠?qū)儆谕恍小⑼粏卧竦奈谋咀鳛檎w輸出，從而能夠提升光學(xué)字符算法中的文本識(shí)別的正確率。

本公開的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本公開的實(shí)踐而習(xí)得。

根據(jù)本公開的一方面，提出一種文本圖像處理方法，該方法包括：對(duì)原始文本圖像進(jìn)行文本區(qū)域檢測(cè)，生成多個(gè)文本區(qū)域塊；對(duì)所述原始文本圖像進(jìn)行表格線檢測(cè)，生成表格線；基于所述表格線將所述多個(gè)文本區(qū)域塊進(jìn)行合并處理，生成目標(biāo)文本圖像；以及通過光學(xué)字符識(shí)別方法對(duì)所述目標(biāo)文本圖像進(jìn)行文字識(shí)別。

在本公開的一種示例性實(shí)施例中，對(duì)原始文本圖像進(jìn)行文本區(qū)域檢測(cè)，生成多個(gè)文本區(qū)域塊包括：通過區(qū)域特征提取算法確定所述原始文本圖像中的目標(biāo)區(qū)域；以及提取帶有文本的目標(biāo)區(qū)域以生成所述多個(gè)文本區(qū)域塊。

在本公開的一種示例性實(shí)施例中，提取帶有文本的目標(biāo)區(qū)域以生成所述多個(gè)文本區(qū)域塊包括：獲取目標(biāo)區(qū)域；通過像素投影方法獲取所述目標(biāo)區(qū)域在預(yù)定方向上的投影數(shù)據(jù)；通過滑動(dòng)窗口檢測(cè)法與投影數(shù)據(jù)提取確定所述目標(biāo)區(qū)域中帶有文本的部分目標(biāo)區(qū)域；以及通過帶有文本的部分目標(biāo)區(qū)域生成所述多個(gè)文本區(qū)域塊。

在本公開的一種示例性實(shí)施例中，通過滑動(dòng)窗口檢測(cè)法與投影數(shù)據(jù)提取確定所述目標(biāo)區(qū)域中帶有文本的部分目標(biāo)區(qū)域包括：通過滑動(dòng)窗口檢測(cè)法與投影數(shù)據(jù)提取獲取帶有文本的目標(biāo)區(qū)域；以及通過文本特征方法由提取帶有文本的部分目標(biāo)區(qū)域。