[发明专利]光学字符识别后处理的方法、装置及计算机可读存储介质

摘要

本发明提供了一种光学字符识别后处理的方法、装置及计算机可读存储介质，本发明实施例基于单个字符的后验概率评估，可以有效的去除OCR识别结果中的噪音字符/错误字符，减少最终人工参与修正确认的次数，从而改善OCR的识别性能。另外，本发明还可以对多个OCR识别结果进行融合，使得后处理输出的结果可以包含更多正确字符的同时，去除噪音字符/错误字符干扰。另外，本发明还可以通过在线更新的方式更新字典，有助于实现OCR识别处理的自我完善，进一步提升OCR识别性能。

主权项

1.一种光学字符识别后处理的方法，其特征在于，包括：获取光学字符识别得到的第一字符串；对所述第一字符串进行第一迭代减字分解处理，构造第一树状结构，并生成包括第一树状结构各节点的字符串的第一字符串集合；针对所述第一字符串的每个字符，确定所述第一字符串集合中包含有所述字符的第一类字符串，并根据一预先生成的字典中记录的所述第一类字符串的出现频次，计算得到所述字符的后验概率，其中，所述字符的后验概率与所述第一类字符串的出现频次正相关；根据所述后验概率，对所述第一字符串中去噪/去错处理，得到第二字符串；其中，所述第一迭代减字分解处理是针对待分解处理的字符串构造第一树状结构，所述第一树状结构中：各个节点均为互不相同的字符串，根节点的字符串为所述待分解处理的字符串，子节点的字符串为上一级父节点的字符串去除一个字符，且保持剩余字符的排序不变所得到的；且若一个节点的字符串存在于所述字典中，或该节点的字符串的长度等于预设长度，则该节点为叶子节点。