[發(fā)明專利]文字識別方法、裝置、計(jì)算機(jī)可讀介質(zhì)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 201910797941.5
• 申請日: 2019-08-27
• 公開（公告）號: CN111753836A
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 李小利;湯海萍
• 申請（專利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06N3/04;G06N3/08
• 代理公司: 北京律智知識產(chǎn)權(quán)代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開實(shí)施例提供了一種文字識別方法、文字識別裝置、計(jì)算機(jī)可讀介質(zhì)及電子設(shè)備，涉及圖像處理技術(shù)領(lǐng)域。該文字識別方法包括：識別待識別圖像的背景圖像，獲得掩膜圖像；根據(jù)所述掩膜圖像與所述待識別圖像，識別所述待識別圖像中包含的字符；將所述待識別圖像中包含的字符輸出為計(jì)算機(jī)可讀文字。本公開實(shí)施例的技術(shù)方案通過與背景圖像的特征相結(jié)合識別待識別圖像中包含的字符，從而提高文字的識別精度。

技術(shù)領(lǐng)域

本公開涉及圖像處理技術(shù)領(lǐng)域，具體而言，涉及一種文字識別方法、文字識別裝置、計(jì)算機(jī)可讀介質(zhì)及電子設(shè)備。

背景技術(shù)

文字識別(optical character recognition，簡稱OCR)是指電子設(shè)備(如掃描儀、數(shù)碼相機(jī))通過掃描等光學(xué)輸入方式將紙質(zhì)或其他印刷品上的文字轉(zhuǎn)化為圖像信息，在利用字符識別方法將圖像翻譯成計(jì)算機(jī)文字的過程。

隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，文字識別領(lǐng)域在采用深度學(xué)習(xí)技術(shù)后，文字識別的準(zhǔn)確率得到大幅提高。現(xiàn)有的文字識別方法主要分為兩類，一種是通過提取原始圖像的特征進(jìn)行訓(xùn)練，使得訓(xùn)練后的模型識別出圖像中包含的文字。這種方法不區(qū)別圖像的前景和背景，如果背景中出現(xiàn)線條等易于與文本混淆的信息時(shí)，會導(dǎo)致識別準(zhǔn)確性大大降低。而另一種方法通過對原始圖像進(jìn)行預(yù)處理操作只留下圖像的前景區(qū)域，從而對前景區(qū)域中包含的文字進(jìn)行識別。而這種方式對于原始圖像中前景和背景的定位并不精確，獲取的前景區(qū)域中攜帶較多噪聲信息，導(dǎo)致識別準(zhǔn)確性較低。

需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對本公開的背景的理解，因此可以包括不構(gòu)成對本領(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

本公開實(shí)施例的目的在于提供一種文字識別方法、文字識別裝置、計(jì)算機(jī)可讀介質(zhì)及電子設(shè)備，進(jìn)而至少在一定程度上克服文字識別的準(zhǔn)確率較低的問題。

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)本公開實(shí)施例的第一方面，提供了一種文字識別方法，包括：識別待識別圖像的背景圖像，獲得掩膜特征；根據(jù)所述掩膜特征與所述待識別圖像，識別所述待識別圖像中包含的字符；將所述待識別圖像中包含的字符輸出為計(jì)算機(jī)可讀文字。

在本公開的一種示例性實(shí)施例中，所述識別待識別圖像的背景圖像，獲得掩膜特征，包括：確定所述待識別圖像的像素點(diǎn)屬于背景圖像的概率，得到第一特征值，所述掩膜特征包括所述第一特征值。

在本公開的一種示例性實(shí)施例中，所述識別待識別圖像的背景圖像，獲得掩膜特征，包括：根據(jù)所述第一特征值對所述待識別圖像進(jìn)行二值化，確定二值化后的待識別圖像為掩膜特征。

在本公開的一種示例性實(shí)施例中，所述結(jié)合所述掩膜特征與所述待識別圖像，識別所述待識別圖像中包含的字符，包括：確定所述掩膜特征的第一權(quán)重，確定所述待識別圖像的第二權(quán)重，其中，所述第一權(quán)重小于所述第二權(quán)重；基于所述第一權(quán)重及所述第二權(quán)重訓(xùn)練深度學(xué)習(xí)模型，以利用訓(xùn)練后的深度學(xué)習(xí)模型識別所述待識別圖像中包含的字符。

在本公開的一種示例性實(shí)施例中，所述結(jié)合所述掩膜特征與所述待識別圖像，識別所述待識別圖像中包含的字符，包括：對所述待識別圖像進(jìn)行第一卷積處理，獲取卷積處理后的特征圖；基于所述第一權(quán)重和所述第二權(quán)重，將所述掩膜特征與所述特征圖進(jìn)行第二卷積處理，以確定所述待識別圖像中包含的字符。

在本公開的一種示例性實(shí)施例中，所述確定所述待識別圖像的像素點(diǎn)屬于背景圖像的概率，包括：通過圖像分割算法對所述待識別圖像進(jìn)行處理，以確定所述待識別圖像的各像素點(diǎn)屬于背景圖像的概率。

在本公開的一種示例性實(shí)施例中，所述掩膜圖像與所述待識別圖像大小一致。

根據(jù)本公開實(shí)施例的第二方面，提供了一種文字識別裝置，包括：