[发明专利]一种OCR识别结果纠错方法及装置

说明书

本发明实施例提供一种OCR识别结果纠错方法及装置。所述方法包括对待识别文字图像执行光学字符识别OCR和分词处理得到待纠错文本；对待纠错文本执行句法依存分析，得到依存搭配对；若依存搭配对不满足预设的搭配条件，则根据混淆集对依存搭配对中的分词进行替换，直到各依存搭配对均满足搭配条件；将更新后的待纠错文本作为所述待识别文字图像的纠错结果文本，本发明实施例通过对待纠错文本执行句法依存分析得到的各依存搭配对，若不满足预设的搭配条件，则采用混淆集对所述依存搭配对中的分词进行替换，直到满足所述搭配条件，并将更新后的待纠错文本作为纠错结果文本，从而能够更加准确快速得实现对OCR识别文本的纠错。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种OCR识别结果纠错方法及装置。

背景技术

OCR识别技术已经成为将纸质文档转换为电子文档的主要手段，该技术能大大便利人们的信息录入工作，但由于技术层面上的原因，识别结果存在错误是不可避免的，因此针对识别结果的纠错工作变得必不可少。

现有的纠错方法主要是采用预先获取的词典，对可能存在的错误识别结果用词典中查找出可能正确字或词去替换。可见，现有的方法过于依赖词典的纠错能力，要求对词典前期的进行大量得训练，费时费力且无法确保精确度。

发明内容

由于现有方法存在上述问题，本发明实施例提供一种OCR识别结果纠错方法及装置。

第一方面，本发明实施例提供了一种OCR识别结果纠错方法，包括：

对待识别文字图像执行光学字符识别OCR和预设分词处理，得到待纠错文本；其中，所述待纠错文本包括至少两个分词；

对所述待纠错文本执行预设的句法依存分析，得到与所述待纠错文本对应的各依存搭配对；其中，所述各依存搭配对由所述待纠错文本中的第一分词和第二分词组成；

若所述依存搭配对不满足预设的搭配条件，则根据预先获取的混淆集，对所述依存搭配对中的第一分词或第二分词进行替换，以更新所述待纠错文本和各依存搭配对，直到各依存搭配对均满足所述预设的搭配条件；

将更新后的待纠错文本作为所述待识别文字图像的纠错结果文本。

进一步地，所述预设的搭配条件具体为：

在预存的语义知识库中存在与所述依存搭配对相同的标准搭配对。

进一步地，所述对待识别文字图像执行光学字符识别OCR和预设分词处理，得到待纠错文本，具体包括：

对所述待识别文字图像执行OCR，得到识别文本和所述识别文本中各字符对应混淆集；其中，所述混淆集包括至少一个对应字符的替换字符；

对所述识别文本执行所述预设分词处理，得到所述待纠错文本。

进一步地，所述对所述识别文本执行所述预设分词处理，得到所述待纠错文本，具体包括：

对所述识别文本执行所述预设分词处理，得到分词结果：

若得到的分词结果中存在连续散串字符，则对所述分词结果执行预设的散串字符纠错，得到所述待纠错文本；其中，所述散串字符为不满足所述分词处理的分词条件的单个字符；

若得到的分词结果中不存在连续散串字符，则将所述分词结果作为所述待纠错文本。

第二方面，本发明实施例提供了一种OCR识别结果纠错装置，包括：

图像预处理模块，用于对待识别文字图像执行光学字符识别OCR和预设分词处理，得到待纠错文本；其中，所述待纠错文本包括至少两个分词；