[发明专利]一种文字图像识别标注方法及系统

权利要求书

1.一种文字图像识别标注方法，其特征在于，所述文字图像识别标注方法包括：

获取原始文字图像和含有多个文字图像标注样本的数据库；

建立拉普拉斯附加信息对抗神经网络模型；具体包括：建立生成模型和判别模型；采用卷积神经网络模型训练所述生成模型和所述判别模型，并采用反向传播算法调整所述生成模型和所述判别模型的参数，得到处理后的生成模型和处理后的判别模型；获取附加辅助数据信息；根据所述处理后的生成模型、处理后的判别模型以及所述附加辅助数据信息，采用拉普拉斯金字塔结构，建立拉普拉斯附加信息对抗神经网络模型；

根据所述原始文字图像和所述拉普拉斯附加信息对抗神经网络模型，生成人工合成文字图像；

对所述人工合成文字图像进行处理，得到特征图像；具体包括：对所述人工合成文字图像进行二值化和降维处理，得到处理后的人工合成文字图像，然后根据所述处理后的人工合成文字图像，采用信息熵评估算法，确定所述处理后的人工合成文字图像的聚类簇数和距离阈值；利用距离阈值和卷积神经网络的训练准确率为参数，构造线性回归模型；根据线性回归模型，令梯度等于零求出训练准确率在其值域中的最大值，这个最大值所对应的距离阈值即为基于密度和信息熵聚类算法中最优距离阈值；根据最优距离阈值和信息熵、距离阈值以及簇数对应表，得到新的聚类簇数；根据新的聚类簇数和最优距离阈值，对已处理后的人工合成文字图像按照图像类别进行分类，得到特征图像；

计算所述特征图像与所述数据库中每个所述文字图像标注样本的匹配度；

根据所述匹配度，对所述特征图像进行识别标注。

2.根据权利要求1所述文字图像识别标注方法，其特征在于，所述根据所述匹配度，对所述特征图像进行识别标注，具体包括：

将与所述特征图像匹配度最高的所述文字图像标注样本的标注信息添加至所述特征图像上，实现对所述特征图像进行识别标注。

3.一种文字图像识别标注系统，其特征在于，所述文字图像识别标注系统包括：

获取模块，用于获取原始文字图像和含有多个文字图像标注样本的数据库；

建立模块，用于拉普拉斯附加信息对抗神经网络模型；具体包括：生成模型和判别模型建立单元，用于建立生成模型和判别模型；处理后的生成模型和处理后的判别模型得到单元，用于采用卷积神经网络模型训练所述生成模型和所述判别模型，并采用反向传播算法调整所述生成模型和所述判别模型的参数，得到处理后的生成模型和处理后的判别模型；附加辅助数据信息获取单元，用于获取附加辅助数据信息；拉普拉斯附加信息对抗神经网络模型建立单元，用于根据所述处理后的生成模型、处理后的判别模型以及所述附加辅助数据信息，采用拉普拉斯金字塔结构，建立拉普拉斯附加信息对抗神经网络模型；

生成模块，用于根据所述原始文字图像和所述拉普拉斯附加信息对抗神经网络模型，生成人工合成文字图像；

得到模块，用于对所述人工合成文字图像进行处理，得到特征图像；具体包括：聚类簇数和距离阈值确定单元，用于对所述人工合成文字图像进行二值化和降维处理，得到处理后的人工合成文字图像，然后根据所述处理后的人工合成文字图像，采用信息熵评估算法，确定所述处理后的人工合成文字图像的聚类簇数和距离阈值；线性回归模型构造单元，用于利用距离阈值和卷积神经网络的训练准确率为参数，构造线性回归模型；距离阈值更新单元，用于根据线性回归模型，令梯度等于零求出训练准确率在其值域中的最大值，这个最大值所对应的距离阈值即为基于密度和信息熵聚类算法中最优距离阈值；聚类簇数更新单元，用于根据最优距离阈值和信息熵、距离阈值以及簇数对应表，得到新的聚类簇数；特征图像计算单元，用于根据新的聚类簇数和最优距离阈值，对已处理后的人工合成文字图像按照图像类别进行分类，得到特征图像；

计算模块，用于计算所述特征图像与所述数据库中每个所述文字图像标注样本的匹配度；

识别标注模块，用于根据所述匹配度，对所述特征图像进行识别标注。

4.根据权利要求3所述文字图像识别标注系统，其特征在于，所述识别标注模块，具体包括：

识别标注单元，用于将与所述特征图像匹配度最高的所述文字图像标注样本的标注信息添加至所述特征图像上，实现对所述特征图像进行识别标注。