[發明專利]一種基于AI的可變尺度地質圖文本矢量化方法及系統

有效

• 申請號: 202010145454.3
• 申請日: 2020-03-03
• 公開（公告）號: CN111400524B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 高光大;王茂發;李景朝
• 申請（專利權）人: 中國地質大學（北京）
• 主分類號: G06F16/53
• 分類號: G06F16/53;G06F16/56;G06F16/583;G06N3/0464;G06N3/0442;G06T7/11
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 張楠楠

1.一種基于AI的可變尺度地質圖文本矢量化方法，其特征在于，包括：

獲取可變尺度格柵地質圖，并構建圖像素材集合；

基于動態參考坐標系，對構建的圖像素材集合中的格柵地質圖進行圖像傾斜角度的動態校正，并輸出水平走向的格柵圖像；

基于多尺度可分割目標檢測算法，對輸出的所述格柵圖像中的格柵文本進行定位和提取，并輸出文本格柵信息；

基于詞向量表示算法對輸出的所述文本格柵信息進行矢量化識別，輸出與所述文本格柵信息對應的文本矢量及每個格柵文本對應的坐標點信息；

將文本矢量和對應的坐標點信息保存至非關系型數據庫，并導入全文檢索引擎，構建可變尺度格柵地質圖的文本信息檢索系統。

2.根據權利要求1所述的一種基于AI的可變尺度地質圖文本矢量化方法，其特征在于，所述獲取可變尺度格柵地質圖，并構建圖像素材集合之后包括：

按照預設比例，對所述圖像素材集合進行分類處理，獲得若干分類子集合；

對不同所述分類子集合中的每張格柵地質圖建立與之同名的預設文件，為文本矢量化檢索做準備。

3.根據權利要求1所述的一種基于AI的可變尺度地質圖文本矢量化方法，其特征在于，所述基于動態參考坐標系，對構建的圖像素材集合中的格柵地質圖進行圖像傾斜角度的動態校正，并輸出水平走向的格柵圖像的步驟包括：

根據文本走向水平或者沿同一方向傾斜的格柵地質圖，確定第一參考坐標系，并基于傾斜校正方法，對文本走向水平或者沿同一方向傾斜的格柵地質圖進行水平校正，并輸出；

根據文本走向不一的格柵地質圖，動態建立若干個第二參考坐標系，實現對文本走向不一的格柵地質圖的動態校正，并輸出；

其中，基于所述第一參考坐標系和第二參考坐標系的兩個軸向長度，確定所述格柵圖像對應的文本區域的分割范圍。

4.根據權利要求1所述的一種基于AI的可變尺度地質圖文本矢量化方法，其特征在于，所述基于多尺度可分割目標檢測算法，對輸出的所述格柵圖像中的格柵文本進行定位和提取，并輸出文本格柵信息的步驟包括：

基于多尺度可分割目標檢測算法，對輸出的所述格柵圖像進行動態分割；

對動態分割后的所述格柵圖像中的格柵文本進行定位，獲得所述格柵文本對應的文本區域的中心位置坐標；

基于多尺度可分割目標檢測算法輸出的長方形區域，將所述中心位置坐標對應的柵格文本的格柵化圖像區域與周圍背景進行分割；

提取格柵化圖像區域中的格柵文本，并輸出文本格柵信息。

5.根據權利要求1所述的一種基于AI的可變尺度地質圖文本矢量化方法，其特征在于，所述基于詞向量表示算法對輸出的所述文本格柵信息進行矢量化識別，輸出與所述文本格柵信息對應的文本矢量及每個格柵文本對應的坐標點信息的步驟包括：

建立卷積層，獲取CNN算法，并提取所述CNN算法中的特征序列標簽；

基于提取的特征序列標簽，對所述圖像素材集合進行特征檢測，得到輸入的圖像特征序列檢測結果；

建立循環層，獲取雙向LSTM算法，并基于卷積層的CNN算法和輸入的圖像特征序列檢測結果，提取所述雙向LSTM算法中的特征序列標簽的預測結果，獲得所述圖像素材集合的標簽分布，并根據標簽分布將格柵文本從所述圖像素材集合中逐幀分離并提取；

建立轉錄層，獲取CTC算法，并基于循環層的雙向LSTM算法和分離并提取的格柵文本，提取所述CTC算法中的重整和標簽分布輸出，獲得詞向量表示算法；

基于所述詞向量表示算法，對輸出的所述文本格柵信息進行矢量化識別，并輸出所述文本格柵信息對應的文本矢量及每個格柵文本對應的坐標點信息。

6.根據權利要求5所述的一種基于AI的可變尺度地質圖文本矢量化方法，其特征在于，提取所述CTC算法中的重整和標簽分布輸出，獲得詞向量表示算法的步驟包括：

對分離并提取的所述格柵文本的文本格柵信息與標簽分布輸出進行拼接復原和糾正處理；

通過詞向量匹配，將已識別出的格柵文本與詞向量詞庫中的標準詞語進行匹配校正，得到校正后的連貫文本矢量化內容，進而獲得詞向量表示算法。