(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111624674.5 (22)申请日 2021.12.28 (71)申请人 南京遥瞰智能科技有限公司 地址 210000 江苏省南京市玄武区蒋 王庙4 号 (72)发明人 伍贵宾　 (51)Int.Cl. G06V 10/22(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于OCR文字识别的图像文字提取方法 (57)摘要 本发明公开了一种基于OCR文字识别的图像 文字提取方法， 属于OCR文字识别技术领域。 一种 基于OCR文字识别的图像文字提取方法， 将字典 和词典内的字词进行导入， 建立表格、 图像识别 基本数据库； 对需要进行文字识别的文件扫描传 输至格式识别区， 并根据 识别文件的格式进行区 分预处理； 对预处理后的文字进行定位分割， 通 过字距的留白处进行定位分割； 通过卷积神经网 络对分割后的文字进行逐个象形识别配对； 对识 别相似度较高的文字进行组词组句， 并对字词进 行校对更正； 将矫正后的文档进行分段排版， 并 提供输出格式进行输出； 本发明便于对扫描对象 的格式进行区分预处理， 便于对识别的文字进行 组词句校对矫正， 便于提升文档输出的格式范 围。 权利要求书1页 说明书3页 附图2页 CN 114429543 A 2022.05.03 CN 114429543 A 1.一种基于OCR文字识别的图像文字提取 方法， 其特 征在于， 包括以下步骤： S101、 将字典和词典内的字词进行导入， 建立表格、 图像识别基本数据库； S102、 对需要进行文字识别的文件扫描传输至格式识别区， 并根据识别文件的格式进 行区分预处 理； S103、 对预处 理后的文字进行定位分割， 通过字距的留白处进行定位分割； S104、 通过 卷积神经网络对分割后的文字进行 逐个象形识别配对； S105、 对识别相似度较高的文字进行组词组句， 并对字词进行 校对更正； S106、 将矫正后的文档进行分段排版， 并提供输出格式进行输出。 2.根据权利要求1所述的一种基于OCR文字识别的图像文字提取方法， 其特征在于， 所 述步骤S101中， 表格、 图像识别基本数据库由字典与词典共同组成， 且基本数据库由字典与 词典所包 含的语种包括中文与英文。 3.根据权利要求1所述的一种基于OCR文字识别的图像文字提取方法， 其特征在于， 所 述步骤S102中， 进行文字识别的文件扫描格式支持范围包括图片及表格， 所述根据识别文 件的格式进行区分预处 理方法为表格去除表格线， 图片去除颜色及边框 。 4.根据权利要求1所述的一种基于OCR文字识别的图像文字提取方法， 其特征在于， 所 述步骤S103中， 对预处理后的文字进行定位分割方法为， 对单个的字或单词按照空白距离 进行定位分割处 理。 5.根据权利要求1所述的一种基于OCR文字识别的图像文字提取方法， 其特征在于， 所 述步骤S104中， 卷积神经网络， 是一种前馈神经网络， 人工神经元可以响应周围单元， 可以 进行大型图像处理， 且卷积神经网络包括卷积层和池化层， 通过深度学习对分割后的文字 进行逐个象形识别配对， 主 要通过基本数据库中的字典进行处 理。 6.根据权利要求1所述的一种基于OCR文字识别的图像文字提取方法， 其特征在于， 所 述步骤S105中， 对识别相 似度较高的文字进行组词组句， 主要通过基本数据库中的词典进 行处理， 实现对字词的校对更正。 7.根据权利要求5所述的一种基于OCR文字识别的图像文字提取方法， 其特征在于， 所 述步骤S106中， 提供的输出格式包括P DF格式及DOCX文档格式。 8.根据权利要求1所述的一种基于OCR文字识别的图像文字提取方法， 其特征在于， 所 述一种基于OCR文字识别的图像文字提取装置能够实现对操作步骤的完成， 所述一种基于 OCR文字识别的图像文字提取装置， 包括放置板 （1） 、 第一底座 （2） 、 活动轴 （3） 、 支撑杆 （4） 、 扫描机构 （5） 、 第一连接线 （6） 、 第二底 座 （7） 、 处理显示设备 （8） 、 第二连接线 （9） 与打印机构 （10） ， 所述放置板 （1） 的边侧设置有第一底座 （2） ， 且第一底座 （2） 的顶部设置有活动轴 （3） ， 所述活动轴 （3） 的顶部设置有支撑杆 （4） ， 且支撑杆 （4） 的端部设置有扫描机构 （5） ， 所述第 一底座 （2） 的边侧设置有第一连接线 （6） ， 且第一连接线 （6） 的端部设置有第二底座 （7） ， 所 述第二底座 （7） 的顶部设置有处理显示设备 （8） ， 且第二底座 （7） 的边侧设置有第二连接线 （9） ， 所述第二连接线 （9） 的端部设置有打印机构 （10） 。 9.根据权利要求8所述的一种基于OCR文字识别的图像文字提取装置， 其特征在于， 所 述扫描机构 （5） 通过支撑杆 （4） 、 活动轴 （3） 与第一底座 （2） 构成转动结构， 且第一底座 （2） 与 放置板 （1） 之间为一体化设置， 所述第一底 座 （2） 通过第一连接线 （6） 与处理显示设备 （8） 构 成电性连接， 且处 理显示设备 （8） 通过第二连接线 （9） 与打印机构 （10） 构成电性连接 。权　利　要　求　书 1/1 页 2 CN 114429543 A 2一种基于 OCR文字识别的图像文字提取方 法 技术领域 [0001]本发明涉及OC R文字识别技术领域， 尤其涉及一种基于OC R文字识别的图像文字提 取方法。 背景技术 [0002]OCR文字识别是指电子设备 （例如扫描仪或数码相机） 检查纸上打印的字符， 然后 用字符识别方法将形状翻译成计算机文字的过程； 即， 对文本 资料进行扫描， 然后对图像文 件进行分析处理， 获取文字及版面信息的过程。 如何除错 或利用辅助信息提高识别正确率， 是OCR最重要的课题。 衡量一个 OCR系统性能好坏的主要指标有： 拒识率、 误识率、 识别速度、 用户界面的友好 性， 产品的稳定性， 易用性及可 行性等。 [0003]传统的OCR文字识别存在不便于对扫描对象的格式进行区分预处理， 不便于对识 别的文字进行组词句校对矫 正， 不便于提升文档输出的格式范围的问题。 发明内容 [0004]本发明的目的是为了解决不便于对扫描对象的格式进行区分预处理， 不便于对识 别的文字进行组词句校对矫 正， 不便于提升文档输出的格式范围的问题。 [0005]为了实现上述目的， 本发明采用了如下技 术方案： 一种基于OCR文字识别的图像文字提取 方法， 包括以下步骤： S101、 将字典和词典内的字词进行导入， 建立表格、 图像识别基本数据库； S102、 对需要进行文字识别的文件扫描传输至格式识别区， 并根据识别文件的格 式进行区分预处 理； S103、 对预处 理后的文字进行定位分割， 通过字距的留白处进行定位分割； S104、 通过 卷积神经网络对分割后的文字进行 逐个象形识别配对； S105、 对识别相似度较高的文字进行组词组句， 并对字词进行 校对更正； S106、 将矫正后的文档进行分段排版， 并提供输出格式进行输出。 [0006]优选的， 所述步骤S101中， 表格、 图像识别基本数据库由字典与词典共同组成， 且 基本数据库由字典与词典所包 含的语种包括中文与英文。 [0007]优选的， 所述步骤S102中， 进行文字识别的文件扫描格式支持范围包括图片及表 格， 所述根据识别文件的格式进行区分预处理方法为表格去除表格线， 图片去除颜色及边 框。 [0008]优选的， 所述步骤S103中， 对预处理后的文字进行定位分割方法为， 对单个的字或 单词按照空白距离进行定位分割处 理。 [0009]优选的， 所述步骤S104中， 卷积神 经网络， 是一种前馈神经网络， 人工神 经元可以 响应周围单元， 可以进 行大型图像处理， 且卷积神经网络包括卷积层和池化层， 通过深度学 习对分割后的文字进行 逐个象形识别配对， 主 要通过基本数据库中的字典进行处 理。 [0010]优选的， 所述步骤S105中， 对识别相似度较高的文字进行组词组句， 主要通过基本说　明　书 1/3 页 3 CN 114429543 A 3