[发明专利]一种文字识别纠错方法、纠错系统及计算机装置

说明书

本发明提出了一种文字识别纠错方法、纠错系统、计算机装置及计算机可读存储介质，文字识别纠错方法包括：提出了一种文字识别纠错方法，包括：获取文字图片，对文字图片进行识别得到文字识别结果；检测文字识别结果，确定识别错误区域；获取识别错误区域内文字的存在概率，将存在概率小于预设阈值的文字作为错误文字；筛选错误文字的相似候选集；对相似候选集内文字排列组合，并计算匹配得分，将匹配得分最高的组合作为纠错结果；将纠错结果与错误文字进行替换。通过本发明通过对识别文字的自动纠错能够降低了识别过程中人工标注的成本，在加快了识别速度的同时提升了OCR的准确率。

技术领域

本发明涉及文字识别技术领域，具体而言，涉及一种文字识别纠错方法、纠错系统、计算机装置及计算机可读存储介质。

背景技术

云智能服务在进行单据识别系统的研发过程中会使用文字识别技术，文字识别也是系统的主要模块，但是由于图片像素、清晰度、噪音等问题导致文字识别准确率不高，因而对识别错误结果分析和分类时发现大部分被识别成字形相似的字，如“成”识别成了“咸”，因此如何进行纠错进而提升文字识别的准确率成为亟待解决的问题。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个方面在于提出了一种文字识别纠错方法。

本发明的另一个方面在于提出了一种文字识别纠错系统。

本发明的再一个方面在于提出了一种计算机装置。

本发明的又一个方面在于提出了一种计算机可读存储介质。

有鉴于此，根据本发明的一个方面，提出了一种文字识别纠错方法，包括：获取文字图片，对文字图片进行识别得到文字识别结果；检测文字识别结果，确定识别错误区域；获取识别错误区域内文字的存在概率，将存在概率小于预设阈值的文字作为错误文字；筛选错误文字的相似候选集；对相似候选集内文字排列组合，并计算匹配得分，将匹配得分最高的组合作为纠错结果；将纠错结果与错误文字进行替换。

本发明提供的文字识别纠错方法，首先获取文字图片，对该文字图片进行OCR(Optical Character Recognition，光学字符识别)获取文字识别结果，但在该文字识别结果中可能出现识别误差，即识别出与正确文字相似的字，因此进一步地在文字识别结果中检测出识别错误区域，获取识别错误区域内字与字一起出现的存在概率，将存在概率较低的文字作为错误文字，例如，识别错误区域内出现了“咸功”，而“咸功”的概率非常低，因此“咸功”则作为错误文字，通过先识别出识别错误区域再检测出错误文字可以提高纠错效率。进一步地，筛选错误文字中每个文字对应的相似候选集，将任一相似候选集内的文字与其它候选集内的文字进行排列组合，并将每个组合与领域词典存储中的领域词计算匹配得分，将匹配得分最高的组合作为纠错结果，即为正确的识别结果，将该纠错结果与错误文字进行替换，完成纠错。通过本发明通过对识别文字的自动纠错能够降低了识别过程中人工标注的成本，在加快了识别速度的同时提升了OCR的准确率。

其中，文字的存在概率是通过对于要识别的领域收集一些文章，对文章进行二元和三元分词，即“计算机”分词为：“计算机”，“计算”，“算机”；这样就会训练出自然场景中字和字之间出现的概率。

根据本发明的上述文字识别纠错方法，还可以具有以下技术特征：

在上述技术方案中，优选地，筛选错误文字的相似候选集的步骤，具体包括：根据错误文字的属性与汉字库中文字的属性，计算错误文字与汉字库中文字的相似度得分；将相似度得分大于预设阈值的汉字库中文字进行集合，作为相似候选集。