[发明专利]文档图像识别方法

权利要求书

1.文档图像识别方法，其特征在于，包括以下步骤：

S10，图像预处理，对图像进行去噪和二值化处理；

S20，获取图像连通区域，抽取图像上所有连通区域；

S30，连通区域内特征抽取；

S40，文档图像判别，

其中，S30包括：

S301，疑似字符识别；

疑似字符是指区域的长宽比小于一定阈值，填充率在一定阈值区间的连通区域，其中填充率通过区域像素点1占所有像素的比值来描述；

S302，一致性字符发现；

一致性字符是指区域大小相似的疑似字符，区域大小通过区域面积来描述，一致性字符的总个数记为C；

S303，真实字符判断；

真实字符通过区域的前景色和背景色的色差来判定。

2.根据权利要求1所述的文档图像识别方法，其特征在于，图像连通区域是指，图像上的像素点P_ij、P_xy满足i-1≤x≤i+1且j-1≤y≤j+1，则P_ij、P_xy属于同一个连通区域。

3.根据权利要求1或权利要求2所述的文档图像识别方法，其特征在于，基于聚类的思想，采用8连通准则，对图像上灰度为0和255的像素点分别聚类，获取连通区域，并统计连通区域个数，记为A。

4.如权利要求3所述的文档图像识别方法，其特征在于，疑似字符识别方法为：

其中，R_i为连通区域，AR(R_i)为区域长宽比，FR(R_i)为区域填充率，γ、α、β为对应的阈值，满足条件的R_i即为疑似字符SC_i，记图像中疑似字符集总个数为B。

5.如权利要求4所述的文档图像识别方法，其特征在于，真实字符的判定方法为：

δ₀(SC_i)+δ₁(SC_i)≤0.6*ABS(E₀(SC_i)-E₁(SC_i))

其中：E₀(SC_i)和δ₀(SC_i)为疑似字符背景色的均值和方差，E₁(SC_i)和δ₁(SC_i)为疑似字符前景色的均值和方差，满足这个条件的疑似字符称为真实字符，其个数记为D。

6.如权利要求5所述的文档图像识别方法，其特征在于，文档图像判别概率模型设计如下：

P＝a₁*Q(B)+a₂*Q(C)+a₃*Q(D)+a₄*B/A+a₅*C/B+a₆*D/B

其中：(1)a₁，a₂，…，a₆为经验值，且a₁+a₂+…+a₆＝1；

(2)

概率值大于一定阈值即被识别为文档图像。