[发明专利]OCR识别结果的纠正方法和装置

说明书

技术领域

本发明涉及字符校对技术领域，特别是涉及一种OCR识别结果的纠正方法和装置。

背景技术

光学字符识别(Optical Character Recognition,OCR)技术，是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

由于光学字符识别往往需要识别很多字符，即使单个字符的识别准确率较高，但是若要识别包含成百上千个字符的图像，将会造成图像识别的准确率较低。而且，在光学字符识别过程中，因个别字符识别错误所导致的整个字符串错误是一种常见现象。这种情况会很大程度上会影响针对整体待识别字符的识别准确率。

因此，在现有技术中，当采用OCR技术对待识别字符识别完成后，为了保证识别准确率，还需要人工的对识别结果进行纠正，从而降低了字符识别的自动化程度，增加了人工校对成本，影响了交互体验。

发明内容

本发明提供了一种OCR识别结果的纠正方法和装置，以解决现有技术中对识别准确率较低的OCR识别结果进行人工校正时所存在的自动化识别程度低、人工校对成本高的问题。

为了解决上述问题，根据本发明的一个方面，本发明公开了一种OCR识别结果的纠正方法，包括：

采用OCR技术对纸质文档中目标区域内的待识别字符进行识别，获取初始识别结果字符串str；

根据所述待识别字符在所述纸质文档中的属性以及所述属性的属性值的预先设定字符范围，构造符合所述预先设定字符范围的多个候选字符串str_i以构成候选字符串集合；

依次计算所述初始识别结果字符串str与所述候选字符串集合中的每个候选字符串stri的最小编辑距离dmin；

利用所述最小编辑距离dmin，按照以下相似度公式计算所述初始识别结果字符串str与每个候选字符串str_i的相似度Si，相似度Si＝1-dmin/max(p,q)，其中，p为所述初始识别结果字符串str的字符串长度，q为所述候选字符串集合中每个候选字符串str_i的字符串长度，其中，不同字符串长度的候选字符串的q值不同；

将最大的相似度Smax所对应的候选字符串str_j输出为对所述初始识别结果字符串str的纠正结果。

根据本发明的另一方面，本发明还公开了一种OCR识别结果的纠正装置，包括：

OCR识别模块，用于采用OCR技术对纸质文档中目标区域内的待识别字符进行识别，获取初始识别结果字符串str；

候选字符串构造模块，用于根据所述待识别字符在所述纸质文档中的属性以及所述属性的属性值的预先设定字符范围，构造符合所述预先设定字符范围的多个候选字符串str_i以构成候选字符串集合；

距离计算模块，用于依次计算所述初始识别结果字符串str与所述候选字符串集合中的每个候选字符串stri的最小编辑距离dmin；

相似度计算模块，用于利用所述最小编辑距离dmin，按照以下相似度公式计算所述初始识别结果字符串str与每个候选字符串str_i的相似度Si，相似度Si＝1-dmin/max(p,q)，其中，p为所述初始识别结果字符串str的字符串长度，q为所述候选字符串集合中每个候选字符串str_i的字符串长度，其中，不同字符串长度的候选字符串的q值不同；

结果纠正输出模块，用于将最大的相似度Smax所对应的候选字符串strj输出为对所述初始识别结果字符串str的纠正结果。

与现有技术相比，本发明包括以下优点：