[发明专利]一种OCR文字识别提取方法

权利要求书

1.一种OCR文字识别提取方法，其特征在于：所述OCR文字识别提取方法包括如下步骤：

(1)用户使用扫描仪将图片文件变成数字图片文件；

(2)通过颜色处理模块将数字图片文件中颜色分离，按颜色将图片分成多个数据图片文件；

(3)用户选择一张到多张主体图片文件，主机端将选择的一张多张图片整合，然后将确认后的图片文件发送至服务端；

(4)服务器端中的文字识别模块对主体图片文件进行识别转换，文字识别模块包括以下步骤：

S1测量文档放置的倾斜角；

S2对文档进行版面分析；

S3对选出的文字域进行排版确认；

S4对横、竖排版的文字行进行切分；

S5对标点符号的判别，存在模糊、颠倒和扭曲的字符对照数据库识别后并做出备注；

(5)服务器端通过文字转换模块对处理后文字图片进行文字转换，不改变文字的格式信息，然后将转换后的文字储存以文档的形式发送给主机端；

(6)用户通过主机端接收文档并确认备注是否正确，主机端将用户反馈发送至服务器端并更新数据库；

(7)用户确认后将主机端通过排版模块刷新文字排版格式，完成对图片文件的文字识别提取。

2.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤(1)中用户对比扫描后的数字图片文件与源图片文件，保证文字清楚、特征不丢失。

3.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤(2)中的颜色处理模块，包括对图像净化处理，去掉原始图像中的显见噪声，按颜色系列分离图片。

4.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤(3)中的用户也可以通过反选的方式手动去除多余的颜色系图片，也可以通过颜色筛选模块自动选择主体图片文件。

5.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤S5中作出备注的方式采用特殊颜色显示。

6.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤(5)中的文字转换模块根据文字的笔画、特征点、投影信息、点的区域分布进行分析并得出最接近的文字，对于图片存在模糊、颠倒和扭曲的字符将分析结果均作出备注。

7.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤(6)中用户点击备注文字后会出现多种文字链接窗口供用户选择确认。

8.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤(6)中将用户确认后的文字档保存发送至服务器端，服务器端保存用户的反馈信息，更新用户的个人数据库。

9.根据权利要求1所述的一种OCR文字识别提取方法，其特征在于：所述步骤(7)中排版模块通过对比原图文件对文字进行分段并除去多余空格字符。