[發明專利]基于自適應學習的紙質影像地圖中文標注信息識別方法及系統

有效

• 申請號: 202010346076.5
• 申請日: 2020-04-27
• 公開（公告）號: CN111626281B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 徐桂彬;李華鋒;王杰;鐘全成;石碟;王博;高俊;吳健;白曉春;謝連科;臧玉魏
• 申請（專利權）人: 國家電網有限公司;湖北華中電力科技開發有限責任公司;國網陜西省電力公司電力科學研究院;國網山東省電力公司電力科學研究院
• 主分類號: G06V30/14
• 分類號: G06V30/14;G06V30/148;G06V30/18;G06V30/19;G06V10/82;G06N3/04
• 代理公司: 武漢楚天專利事務所 42113
• 代理人: 孔敏

1.一種基于自適應學習的紙質影像地圖中文標注信息識別方法，其特征在于包括如下步驟：

S1、標準區域初步定位：在紙質影像地圖中，初步定位可能存在中文標注信息的區域，通過矩形框框選紙質影像中的非連續區域，以標識該區域；

S2、標注區域精確定位：在步驟S1初選出中文標識信息區域的基礎上，進一步篩選準確的中文信息標識區域；

S3、中文標注信息前景提取：在步驟S2精確篩選出中文標識信息區域的基礎上，通過高斯混合模型的背景建模算法，將影像與中文標識信息分割，其中地圖影像作為背景、中文標識信息作為前景提取；

S4、中文標注信息單字符識別：通過構建海量的中文訓練樣本，實現步驟S4中提取前景中文標識信息的的單個漢字的有效識別；

S5、中文標注信息語義識別過濾：通過構建地圖常用中文字符串數據庫，過濾不符合中文語義習慣、不在數據庫中的非中文標識信息；

S6、中文標注信息最終解析：最終中文標注信息的解析輸出，輸出標準的、符合中文語義語法的中文字符串。

2.如權利要求1所述的基于自適應學習的紙質影像地圖中文標注信息識別方法，其特征在于：步驟S1的子步驟為：

1)紙質影像地圖的電子化處理：將紙質地圖高質量掃描為電子影像地圖；

2)濾波處理：過濾電子影像地圖中由于紙質影像質量欠佳造成的局部信息干擾；

3)通過色彩增強方法，調整影像色彩及對比度；

4)搭建Tensorflow深度學習框架，訓練標準漢字庫的樣本數據，采用Fast R-CNN模型，實現地圖區域中文漢字的初始識別；

5)設置超參接口，根據紙質影像質量，人工設置、調整閾值，高于設定的閾值則認為是地圖中的中文漢字區域，在地圖中以方框標識；

6)最終實現影像地圖中中文標準信息的初步定位。

3.如權利要求1所述的基于自適應學習的紙質影像地圖中文標注信息識別方法，其特征在于：步驟S2采用ResNet神經網絡模型實現，訓練樣本采樣自目標影像，實時生成，樣本標簽分為兩類：一類為“是中文標識信息區域”，一類為“非中文標識信息區域”，其中第一類樣本制作采用標準漢字庫中的隨機選擇的漢字，疊加目標影像中的非中文漢字區域生產；第二類樣本直接選用目標區域的非中文漢字區域，通過標準庫中漢字的隨機選擇與影像的隨機選擇，構建較大規模的訓練集完成模型訓練；將訓練好的模型，訓練標注區域初步定位步驟所產生的區域，實現在中文標注區域初步定位基礎上的精確定位。

4.如權利要求1所述的基于自適應學習的紙質影像地圖中文標注信息識別方法，其特征在于：步驟S3的子步驟為：

1)構建高斯混合模型背景建模框架；

2)實現影像地圖中影像與標識信息的分離，影像為背景，標識信息作為前景提取；

3)同標注區域初步定位步驟，設置超參接口，根據紙質影像質量，人工設置、調整閾值，高于設定的閾值則認為前景提取達到要求，停止提取操作，轉至下一步驟繼續執行；

4)若前景提取始終無法達到滿意效果，則通過人工輔助方式實現前景提取，人工輔助方法為：在地圖中新建圖層手工描繪文字，并作為新圖層存儲。

5.如權利要求1所述的基于自適應學習的紙質影像地圖中文標注信息識別方法，其特征在于：步驟S4的子步驟為：

1)搭建Tensorflow深度學習框架，配置RestNet神經網絡模型訓練環境；

2)配置標準漢字庫中的多字體作為訓練樣本，所述多字體包括宋體、仿宋、楷體；

3)通過RestNet神經網絡訓練中文漢字識別模型；

4)運用訓練生成的中文漢字識別模型，識別前序步驟提取的前景信息；

5)實現最終前景信息中的中文文字識別。