[发明专利]一种文本识别系统及方法

权利要求书

1.一种文本识别系统及方法，包括启动模块(1)、图片输入模块(2)、图像预处理模块(3)、无监督特征学习模块(4)、字符识别模块(5)、字符分割模块(6)、文本识别模块(7)、归一化模块(8)、白化操作模块(9)、图像二值化模块(10)、几何变换模块(11)，其特征在于：所述启动模块(1)的输出端连接有所述图片输入模块(2)的输入端，所述图片输入模块(2)的输出端连接有所述图像预处理模块(3)的输入端，所述图像预处理模块(3)的输出端连接有所述无监督特征学习模块(4)的输入端，所述无监督特征学习模块(4)的输出端连接有所述字符识别模块(5)的输入端，所述字符识别模块(5)的输出端连接有所述字符分割模块(6)的输入端，所述字符分割模块(6)的输出端连接有所述文本识别模块(7)的输入端。

2.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述图像预处理模块(3)的内部设置有归一化模块(8)、白化操作模块(9)、图像二值化模块(10)和几何变换模块(11)，所述归一化模块(8)、白化操作模块(9)、图像二值化模块(10)和几何变换模块(11)的输出端连接有所述图像预处理模块(3)的输入端。

3.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述归一化模块(8)首先减去每个样本灰度的均值，然后除以标准差；并对这个标准差增加一个小常数，用来避免分母为0和压制噪声；对于[0,255]范围的灰度图，给方差加10是有效的；所述归一化模块(8)中逐样本的均值相减主要应用在那些具有稳定性的数据集中，也就是那些数据的每个维度间的统计性质是一样的。

4.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述白化操作模块(9)将数据x利用PCA白化进行降维，得出了每一维都是独立的，这样白化的第一个条件就满足了；这时再以标准差去除z中的每一维，就得到了每一维的方差相等，为1。

5.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述图像二值化模块(10)在该模式下一张彩色图像是由红蓝绿图像层组成的，或者说在该模式下图像的深度有三个通道，三个通道分别为R(red)、G(green)、B(blue)。

6.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述几何变换模块(11)采用了镜像变换，镜像变换分为两种，一种是水平镜像，另一种是垂直镜像。

7.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述无监督特征学习模块(4)采用k-means聚类算法，对经过预处理的字符图像进行聚类，通过计算最小化样本点与最近中心的欧式距离，找出各个类的中心，学习到描述字符特征的特征词典，即聚类得到的中心点，通过最小化误差，原始样本数据可以通过词典映射到k维的向量，从而进行重构。

8.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述字符识别模块(5)对得分图像进行逐行扫描；若该行存在大于阈值的得分，通过使用N-邻域非极大值抑制算法可以确定得分图然后每一行的多个极大值；当2N约等于字符宽度时，这样每一个极大值的位置就基本对应某个字符的中心位置。

9.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述字符分割模块(6)确定了图像文本行中单词所在位置，字符就在以每个极大值横坐标为中心的patch中，对这个patch使用卷积神经网络字符分类模型进行分类就能别出相应的字符。

10.如权利要求1所述的一种文本识别系统及方法，其特征在于：所述文本识别模块(7)采用ResNet网络进行识别，只不过在该任务中采用了更深的ResNet50，并且去掉了残差网络的最后全连接层和最后一层池化层，在序列特征提取阶段和解码阶段本文采用了LSTM结构，在序列特征提取阶段本文考虑到文本的方向性，利用多方向的编码机制更好的提取文本的序列特征。