OCR識別的技術流程解析2

RUIxiansen發表於2020-02-26

以下是 OCR識別在具體技術實現時的步驟流程:

一、 OCR識別預處理:灰度化(如果是彩色影像)、降噪、二值化、字元切分以及歸一化這些子步驟。經過二值化後,影像只剩下兩種顏色,即黑和白,其中一個是影像背景,另一個顏色就是要識別的文字了;降噪在這個階段非常重要,降噪演算法的好壞對特徵提取的影響很大。字元切分則是將影像中的文字分割成單個文字——識別的時候是一個字一個字識別的。如果文字行有傾斜的話往往還要進行傾斜校正。歸一化則是將單個的文字影像規整到同樣的尺寸,在同一個規格下,才能應用統一的演算法。

OCR識別的技術流程解析2

二、特徵提取和降維:特徵是用來識別文字的關鍵資訊,每個不同的文字都能透過特徵來和其他文字進行區分。對於數字和英文字母來說,這個特徵提取是比較容易的,因為數字只有10個,英文字母只有52個,都是小字符集。對於漢字來說,特徵提取比較困難,因為首先漢字是大字符集,國標中光是最常用的第一級漢字就有3755個;第二個漢字結構複雜,形近字多。在確定了使用何種特徵後,視情況而定,還有可能要進行特徵降維,這種情況就是如果特徵的維數太高(特徵一般用一個向量表示,維數即該向量的分量數),分類器的效率會受到很大的影響,為了提高識別速率,往往就要進行降維,這個過程也很重要,既要降低維數吧,又得使得減少維數後的特徵向量還保留了足夠的資訊量(以區分不同的文字)。

OCR識別的技術流程解析2

三、分類器設計、訓練和實際識別:分類器是用來進行識別的,就是對於第二步,對一個文字影像,提取出特徵給分類器,分類器就對其進行分類,告訴你這個特徵該識別成哪個文字。在進行實際識別前,往往還要對分類器進行訓練,這是一個監督學習的案例。

四、 OCR識別後處理:後處理是用來對分類結果進行最佳化的,第一,分類器的分類有時候不一定是完全正確的,比如對漢字的識別,由於漢字中形近字的存在,很容易將一個字識別成其形近字。後處理中可以去解決這個問題,比如透過語言模型來進行校正——如果分類器將“在哪裡”識別成“存哪裡”,透過語言模型會發現“存哪裡”是錯誤的,然後進行校正。第二, OCR識別影像往往是有大量文字的,而且這些文字存在排版、字型大小等複雜情況,後處理中可以嘗試去對識別結果進行格式化,比如按照影像中的排版排列。


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69944133/viewspace-2677314/,如需轉載,請註明出處,否則將追究法律責任。

相關文章