[发明专利]文档图像识别方法

摘要

文档图像识别方法，包括图像预处理、获取图像连通区域、连通区域特征抽取、文档图像判别，图像连通区域的获取借助了聚类的思想，应用8连通准则，对灰度值为0和255的像素点分别聚类，准确识别连通区域。连通区域特征包括形状特征、颜色特征，主要分三种方式抽取，依次为疑似字符识别、一致性字符发现、真实字符判断，特征抽取简洁、复杂度低。实现了文档图像的准确、高效的识别，解决了文档图像识别性能低下的问题。

主权项

1.文档图像识别方法，其特征在于，包括以下步骤：S10，图像预处理，对图像进行去噪和二值化处理；S20，获取图像连通区域，抽取图像上所有连通区域；S30，连通区域内特征抽取；S40，文档图像判别，其中，S30包括：S301，疑似字符识别；疑似字符是指区域的长宽比小于一定阈值，填充率在一定阈值区间的连通区域，其中填充率通过区域像素点1占所有像素的比值来描述；S302，一致性字符发现；一致性字符是指区域大小相似的疑似字符，区域大小通过区域面积来描述，一致性字符的总个数记为C；S303，真实字符判断；真实字符通过区域的前景色和背景色的色差来判定。