[发明专利]一种全卷积神经网络的图纸版面分析与文字识别方法

摘要

本发明公开了一种全卷积神经网络的图纸版面分析与文字识别方法，首先通过使用图像灰度化、二值化、腐蚀与膨胀和连通域检测等方法对图像进行预处理，然后使用阈值分割进行结果后处理以检测出图像文字区域，接着使用灰度图投影法以及阈值分割来进行文字区域的行切分，最后使用全卷积神经网络文字识别模型进行文字识别。本发明公开的文字识别模型的识别率可以达到90％‑94％，正确率优于传统的单字识别模型，识别速度优于CRNN文字识别模型。本发明方法有效的改进了面向建筑图纸的版面识别和文字识别算法，使得专家审查图纸的效率提高，并增加了建筑图纸的使用价值。

主权项

1.一种全卷积神经网络的图纸版面分析与文字识别方法，其特征在于，所述方法包括：(1)定义图纸图像为image，对image进行缩放、滤波、二值化、腐蚀与膨胀、连通域检测以及阈值过滤来进行文字区域切分,得到文字区域图像集result_boxes＝{box_image1,box_image2,...}中，其中box_image＝{box_x,box_y,box_width,box_height}；(2)定义循环变量box_image用来遍历result_boxes，对box_image进行灰度图投影来进行文字区域行切分，得到行切分结果集result_lines＝{line_image1,line_image2,...}，其中line_image＝{line_x,line_y,line_width,line_height}；(3)定义循环变量line_image用来遍历result_boxes，对line_image使用基于全卷积神经网络的文字识别模型进行文字识别并将结果整合为文字结果集result_word_arr＝{line1,line2,...}，其中的line＝{word1,word2,...}，其中word为字符。