[发明专利]一种文字信息的识别方法、装置及存储介质

权利要求书

1.一种文字信息的识别方法，其特征在于，包括：

识别图像中的文字区域；

在所述文字区域中选取一个字符作为基准字符，并确定所述基准字符分别以不同语序和邻近的字符组成的词；

确定不同语序下组成的各个词中，在语料库中出现频率符合预设条件的词；

将所述出现频率符合预设条件的词的语序作为所述文字区域中的文字排列语序；

按照所述文字排列语序输出从所述文字区域中识别出的每行字符。

2.如权利要求1所述的方法，其特征在于，所述将所述出现频率符合预设条件的词的语序作为所述文字区域中的文字排列语序之前，还包括：确定所述出现频率符合预设条件的词的出现频率，高于设定的第一阈值。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

针对包含多行字符的文字区域，还确定所述文字区域中每行的第一个字符以及最后一个字符；

针对选取的相邻两行，按照不同的排列顺序，分别确定前一行中的最后一个字符与后一行中的第一个字符组成的词在语料库中的出现频率；

将出现频率大于第二阈值的词的排列顺序，确定所述文字区域中各行字符的行序；

按照确定出的行序，在从所述文字区域输出一行字符后确定要输出的下一行字符。

4.如权利要求3所述的方法，其特征在于，所述不同的排列顺序，是根据所述文字排列语序确定的。

5.如权利要求1所述的方法，其特征在于，所述按照所述文字排列语序输出所述文字区域包含的字符之后，所述方法还包括：

将所述出现频率符合预设条件的词的出现频率，作为按照所述文字排列语序输出所述文字区域包含的字符的置信度，并输出所述置信度。

6.如权利要求1～5任一所述的方法，其特征在于，所述识别图像中的文字区域，具体包括：

对所述图像进行二值化处理；

针对二值化处理后的图像，按照预设的膨胀系数进行膨胀处理，以及按照预设的腐蚀系数进行腐蚀处理，获得所述图像中的多个白色区域；

从所述多个白色区域中，确定面积大于第三阈值且长宽比大于第四阈值的目标白色区域；

确定所述图像中与所述目标白色区域对应的多个像素点，所述多个像素点组成的区域为所述图像的文字区域；并识别所述文字区域。

7.一种文字信息识别装置，其特征在于，包括：

识别单元，用于识别图像中的文字区域；

第一确定单元，用于在所述文字区域中选取一个字符作为基准字符，并确定所述基准字符分别以不同语序和邻近的字符组成的词；

第二确定单元，用于确定不同语序下组成的各个词中，在语料库中出现频率符合预设条件的词；

输出单元，用于将所述出现频率符合预设条件的词的语序作为所述文字区域中的文字排列语序，并按照所述文字排列语序输出从所述文字区域中识别出的每行字符。

8.如权利要求7所述的装置，其特征在于，所述第二确定单元，还用于：

确定所述出现频率符合预设条件的词的出现频率，高于设定的第一阈值。

9.如权利要求7所述的装置，其特征在于，所述输出单元，还用于：

针对包含多行字符的文字区域，还确定所述文字区域中每行的第一个字符以及最后一个字符；

针对选取的相邻两行，按照不同的排列顺序，分别确定前一行中的最后一个字符与后一行中的第一个字符组成的词在语料库中的出现频率；

将出现频率大于第二阈值的词的排列顺序，确定所述文字区域中各行字符的行序；

按照确定出的行序，在从所述文字区域输出一行字符后确定要输出的下一行字符。

10.如权利要求9所述的装置，其特征在于，所述不同的排列顺序，是根据所述文字排列语序确定的。