[发明专利]一种基于图文识别的论文重查系统及其方法

说明书

技术领域

本发明涉及一种基于图文识别的论文重查系统及其方法。

背景技术

目前，大学毕业生的毕业论文只有通过了论文查重才能提交答辩。有许多网站提供查重功能，要求将论文通过拷贝文字段落的方式或者上传word文档的形式来提交待查重的论文。这些网站的查重只关注文字信息的查重，而对图像、图片的重复是不处理的。这种查文不查图的方式存在一个明显的缺陷，即可以通过将文字信息转化为图片格式来规避查重。为此，提出了一种基于图文识别的论文重查系统及其方法。

发明内容

本发明针对现有技术的不足，提供一种基于图文识别的论文重查系统及其方法；其能将论文的图像信息进行特征提取并进行特征匹配识别，从而提高了论文查重的准确率。

为了达到上述目的，本发明一种基于图文识别的论文重查系统，主要包括：

论文结构识别模块，所述论文结构识别模块主要用于将论文的信息识别成文本信息和图像信息，并将文本信息和图片信息分别保存起来；

文本查重模块，所述文本查重模块主要用于将论文结构识别模块识别并保存的文本信息与文本信息数据库中的文本信息进行匹配分析；

图像重查模块，所述图像重查模块主要用于将论文结构识别模块识别并保存的图像信息进行分析提取出文字信息和图像特征信息，并将提取出的图像特征信息与图库中的图像特征进行匹配分析；

查重报告模块，所述查重报告模块主要用于将文本重查模块和图像重查模块匹配分析出的结果生成查重报告，以反馈给用户；

所述论文结构查重模块、文本查重模块、图像重查模块和查重报告模块相互通信连接。

所述文本信息数据库包括本地文本信息数据库，Google、百度等搜索引擎中的数据库，以及CNKI、万方等数据库。

一种基于图文识别的论文重查方法，主要包括以下步骤：

第一步，论文结构识别模块将论文的信息识别成文本信息和图像信息，并将文本信息和图片信息分别保存起来；

第二步，图像重查模块将论文结构识别模块识别并保存的图像信息进行分析提取出文字信息和图像特征信息；

第三步，图像重查模块将图像信息进行分析提取出的文字信息发送给文本查重模块；

第四步，图像重查模块将图像信息进行分析提取出的图像特征信息与图库中的图像特征进行匹配分析；

第五步，文本查重模块将论文结构识别模块识别并保存的文本信息以及来自于图像重查模块提取的文字信息分别与文本信息数据库中的文本信息进行匹配分析；

第六步，查重报告模块将文本重查模块和图像重查模块匹配分析出的结果生成查重报告反馈给用户。值得说明一下，这一种简单的查重报告方式是：该查重报告可以以文本信息、图像重查模块提取的文字信息和图像特征信息这三方面的重复率的方式生成反馈给用户。

优选地，所述图像重查模块是采用OCR分析方式将图像信息中的文字信息提取出来。

优选地，所述图像特征信息是指颜色特征信息、纹理特征信息和形状特征信息进行综合加权形成的图形综合信息。

作为较佳方案，所述颜色特征信息、纹理特征信息和形状特征信息权重之和为1。上述综合加权为分别对颜色特征信息、纹理特征信息和形状特征信息赋予不同的权重，权重之和为1。

作为较佳方案，所述颜色特征信息为采用RGB颜色空间的颜色直方图特征信息。

作为较佳方案，所述纹理特征信息为采用Gabor滤波器提取出来的图像纹理特征信息。

作为较佳方案，所述形状特征信息为采用Fourier描述出来提取的形状特征信息。

优选地，所述图像重查模块将图像信息进行分析提取出的图像特征信息与图库中的图像特征进行匹配分析的方式为采用基于欧几里得距离进行比较的方式。

本发明不但能匹配识别出论文的文本信息，而且能将论文的图像信息进行特征提取并进行特征匹配识别并生成查重报告；从而提高了论文查重的准确率，其简单方便，实用性强，易于推广普及。

附图说明

图1为本发明的系统示意图。

其中，1为论文结构识别模块，2为文本查重模块，3为图像重查模块，4为查重报告模块。

具体实施方式

下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。