基于云计算的文本扫描识别方法

摘要

本发明公开了一种基于云计算的文本扫描识别方法，包括以下步骤：文档图像预处理：针对从扫描仪直接扫描出的原始图像进行预处理；文档图像版面特征分析：将预处理文档图像加载到版面分析引擎进行处理：根据预处理文档图像的版面特征信息，添加掩膜并对关键域进行局部处理；碎片化：对经过文档图像掩膜步骤处理后的预处理文档图像进行切碎处理；碎片的OCR/ICR识别：识别小碎片，拼接并输出文字；语意识别：利用统计语言模型算法结合行业辞典，对OCR／ICR的结果进行逻辑校验。本发明利用图像特征识别，图像掩膜，图像碎片化，碎片的并发处理OCR／ICR，语意校验等特种方法综合使用，显著提高了文本扫描件的最终准确率。

主权项

一种基于云计算的文本扫描识别方法，其特征在于包括以下步骤：第一步，文档图像预处理：针对从扫描仪直接扫描出的原始图像进行预处理，以将原始图像二值化并且去除原始图像噪点，将扭曲的原始图像还原，将原始图像压缩以便后续图像处理；第二步，文档图像版面特征分析：将预处理文档图像加载到版面分析引擎进行处理，以获得预处理文档图像版面特征信息；第三步，文档图像掩膜：根据预处理文档图像的版面特征信息，添加相应的掩膜，然后对关键域进行局部处理，即提取预处理文档图像的版面特征信息并与掩模的特征信息进行匹配；第四步，碎片化：即文档图片定位与分割，具体为采用图像局部特征定位方法、表格识别方法和OCR关键字符识别定位方法，对经过文档图像掩膜步骤处理后的预处理文档图像进行切碎处理；第五步：碎片的OCR/ICR识别：识别小碎片，拼接并输出文字，以便进行语意识别； 第六步，语意识别：利用统计语言模型算法结合行业辞典，对OCR／ICR的结果进行逻辑校验。