[发明专利]针对形近汉字的图像优化识别系统

说明书

一种针对形近汉字的图像优化识别系统，包括：图像识别模块、中文文本笔画拆分模块和中文文本纠错模块，其中：图像识别模块根据文字在图片上笔画的突变为特征信息，利用CTPN和CRNN模型进行图像文字的检测和识别得到图片中的文字信息并输出至中文文本笔画模块，中文文本笔画拆分模块根据文字信息进行基于笔画的细粒度拆分处理并得到笔画编号信息后输出至中文文本纠错模块，中文文本纠错模块基于预训练的中文BERT模型，对输入的笔画编号信息和文字信息进行语义以及近形字的处理并得到识别正确的结果，本发明针对近形字的笔画而不是局部的形态特征进行改进，使得增加的特征数量减少，通过BERT基线模型联合学习，使得识别过程更加简洁高效的同时明显提高识别正确率。

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种针对形近汉字的图像优化识别系统。

背景技术

图像识别是目前应用最广泛的算法技术之一，其接受图片作为输入，以识别的字符作为输出。为了提高图像识别的性能，因此需要对于识别错的字符进行纠正，而错误的比例以近形字居多。

发明内容

本发明针对现有图像识别技术针对近型字的识别过程复杂且容易识别错误的缺陷，提出一种针对形近汉字的图像优化识别系统，针对近形字的笔画而不是局部的形态特征进行改进，使得增加的特征数量减少，通过BERT基线模型联合学习，使得识别过程更加简洁高效的同时明显提高识别正确率。

本发明是通过以下技术方案实现的：

本发明涉及一种针对形近汉字的图像优化识别系统，包括：图像识别模块、中文文本笔画拆分模块和中文文本纠错模块，其中：图像识别模块根据文字在图片上笔画的突变为特征信息，利用CTPN和CRNN模型进行图像文字的检测和识别得到图片中的文字信息并输出至中文文本笔画模块，中文文本笔画拆分模块根据文字信息进行基于笔画的细粒度拆分处理并得到笔画编号信息后输出至中文文本纠错模块，中文文本纠错模块基于预训练的中文BERT模型，对输入的笔画编号信息和文字信息分别进行针对语义问题的纠错和针对近形字问题的纠错并得到识别正确的结果。

所述的文字在图片上笔画的突变是指：因模型在识别图像文字当中需根据一定的文字特征来进行识别，因此不同字符的笔画突变则是一个重要的特征，例如字符“A”的顶上的尖锐，字符“B”右边的弧形。

所述的基于笔画的细粒度拆分处理是指：在文字信息中可以继续被拆解的粗粒度部分，例如偏旁部首，以及不能被继续拆解的细粒度部分，例如笔画。

技术效果

本发明整体解决了现有部分图像识别系统对于形近字识别不够准确的问题。与现有技术相比，本发明通过引入中文字符笔画的特征融入基线模型，从近形字和语义层面上进行纠正，其中笔画特征主要解决近形字的错误，BERT模型主要解决语义的错误，从而有效提升基线模型的纠错能力。

附图说明

图1为本发明系统示意图；

图2为实施例效果示意图。

具体实施方式

如图1所示，为本实施例涉及一种针对形近汉字的图像优化识别系统，包括：图像识别模块、中文文本笔画拆分模块和中文文本纠错模块，其中：图像识别模块根据中图像文字的颜色，笔画结构特征等信息，利用CTPN和CRNN模型进行图像文字的检测和识别并得到初步图像文字识别结果后输出至中文文本笔画拆分系统，中文文本笔画拆分模块根据上一步所识别的图像文字信息，进行待纠正文本的笔画拆分处理并得到笔画编号信息后输出至中文文本纠错模块，中文文本纠错模块根据预训练的中文BERT模型，对待纠正文本的笔画信息进行语义层面和形近层面的处理并得到识别正确的结果。