[发明专利]图片文字识别方法、装置及平台

说明书

一种图片文字识别方法，包括：局部分割，将包含有文字信息的图片分割为多个区域，判断每个区域是否含有文字信息，对于包含有文字信息的区域提取其中的文字信息；全局连接，将包含有文字信息的区域进行拼接处理，根据拼接合并后的区域提取识别出其中的文字信息。在局部分割步骤中，将所述的图片区域再进一步分割，生成多个子区域，判断每个子区域是否含有文字信息，对于包含有文字信息的子区域提取其中的文字信息；在全局连接步骤中，将包含有文字信息的子区域进行拼接处理，根据拼接合并后的区域提取识别出其中的文字信息。

技术领域

本发明属于图像处理技术领域，特别涉及一种图片文字识别方法、装置及平台。

背景技术

现有的对图片中包含的文本文字的提取识别，通常会使用到OCR。光学字符识别技术(OCR)，是通过扫描、摄影等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域。适合于银行、税务等行业大量票据表格的自动扫描识别及长期存储。相对一般文本，通常以最终识别率、识别速度、版面理解正确率及版面还原满意度4个方面作为OCR技术的评测依据；而相对于表格及票据，通常以识别率或整张通过率及识别速度为测定OCR技术的实用标准。

OCR中通常还包括字符检测和字符识别。其中字符检测技术，通过一些图像处理的方法，获取文字边缘，形状等特征，从而获取文字的区域。目前的技术都是通过深度学习的方法，利用深度神经网络获取文字的特征，然后通过预先定义的基础文字框进行分类，回归或者直接分割的方法确定文字的区域。字符识别技术，当前的技术是通过深度学习的方法，利用循环神经网络获取图像的连续特征，然后通过分类的方式确定每个识别块的文字。

如图1所示的文字识别方法，首先通过传统的图像处理的方法对输入的图像进行二值化处理，然后根据文字的特征进行模糊处理，最后用区域检测算法标定出文字的区域，然后送入到识别网络中进行图像的处理。该技术简单，效率高，占用的计算资源较少。但是这种方法的缺点是，对输入图像的要求较高，只能处理文字大小相近且直线排列的文字，不能处理任意形状的文字。这里的任意形状文字，是由于很多图片中的文字，由于艺术美化的需要，采用了变体文字的表现形式，不仅包括常用字体，还包括又各种夸张变形的字体，给文字的自动识别带来困难。

又，例如图2所示的文字识别方法，借鉴通用图像物体检测的思路(如Faster-RCNN)，采用深度神经网络提取文字的特征，然后根据这些特征判断预先设定好基础的文本框(通常为不同长宽比的矩形)是否存在文字以及文字区域的偏移量，从而确定文字的区域。之后送入到识别网络中，获取文字信息。该方法的缺点是，对于图像中可能存在的长文字区域比较容易检测不准确，位置信息不够精准，不能解决弯曲字体的识别。

发明内容

本发明实施例提供了一种图片文字识别方法及装置，针对图片中任意字体字形和大小的文字进行识别提取，解决了现有图片文字识别方法对于变体文字识别差错较大的问题。

本发明实施例之一，一种图片文字识别方法，该方法包括：

局部分割，将包含有文字信息的图片分割为多个区域，判断每个区域是否含有文字信息，对于包含有文字信息的区域提取其中的文字信息；

全局连接，将包含有文字信息的区域进行拼接处理，确定拼接合并区域内文字的中心位置，在根据文字中心位置调整文字区域边界，确定包含文字信息的区域。

优选的，在局部分割步骤中，将所述的图片区域再进一步分割，生成多个子区域，判断每个子区域是否含有文字信息，对于包含有文字信息的子区域提取其中的文字信息。