[发明专利]一种基于政府公文图片检索方法及系统

说明书

本发明公开一种基于政府公文图片检索方法及系统，其可实现对政务图片文件全文检索，快速找到图片里面包括的关键信息，提高检索利用者，通过关键字，能检索到文本文件，还可以检索到图片文件，提高检索查全率。本发明中的公文图片检索技术，针对电子政务行业政务上传图片特点，大部分图片都是文字，部分图片还是扫描的公文的副本，可以通过ORC识别技术，算法校验，完成图片文字识别转换文本数据，建立全文索引与图片对应关系，公文图片全文检索技术推出后，极大方便政府工作人员在检索效率，提高检索查全率，查全率达到99.11％，查准率>95％，很好解决了图片内公文文字不能检索问题。

技术领域

本发明公开一种图片检索方法及系统，特别是一种基于政府公文图片检索方法及系统。

背景技术

图片文件数量占电子政务文件数据总量的1/3，如果不能支持对图片的全文检索，将直接影响电子政务管理平台所有文档的全文检索的查全率。针对公文存在的现实情况，相当一部分是以TIF、JPG、BMP等图形格式存在，一般的检索技术是不能对图形文字进行检索的，如果不能解决该难题，系统是不完整的，提供给使用者的信息也是不全面的。现有技术方案是采取大多数都是基于数据库结构化数据的检索式，基本上都是基于文件检索，虽然现有技术中也有存在基于图片检索的应用，但是其做图片识别基本上是识别图片的内容，算法极为复杂，对设备硬件要求很高，针对电子政务行业特点，并且结合政务特殊文字算法识别，暂时还没有。

现有技术中的基于图片简单识别，识别后文字的识别率和正确率比较低，检索的大部分基于数据库检索，查全率低，与电子政务系统结合率不高，政府公文源数据特点无法体现。

发明内容

针对上述提到的现有技术中的政务公文检索中，无法采用图片检索的缺点，本发明提供一种基于政府公文图片检索方法及系统，其可实现对政务图片文件全文检索，快速找到图片里面包括的关键信息，提高检索利用者，通过关键字，能检索到文本文件，还可以检索到图片文件，提高检索查全率。

本发明解决其技术问题采用的技术方案是：一种基于政府公文图片检索方法，该检索方法包括下述步骤：

步骤S1：通过政务终端上传电子公文图片，通过互联网、局域网或电信网络传输给后台服务器；

步骤S2：后台服务器通过监听程序对政务终端上传内容进行监听，当其监听接收到政务终端上传的图片文件后，通过调用OCR程序组件对上传的公文图片上的文字进行识别；

步骤S3：识别公文图片中的非标准字符元素，并通过比对算法将非标准字符元素转换成特殊的文本文字进行存储；

步骤S4：对识别的文字进行分词处理；

步骤S5：将识别的文字以及非标准字符元素保存到数据库中；

步骤S6：在数据库中建立全文索引库，并将公文图片与识别出来的文字、非标准字符元素进行映射处理；

步骤S7：在政务办公平台中输入待检索关键词，利用输入的关键词在数据库中进行全文检索；

步骤S8：返回检索到与关键词对应的公文图片以及附件列表。

一种基于政府公文图片检索系统，该系统包括：

输入模块：用于输入电子公文图片，并通过互联网、局域网或电信网络传输给后台服务器；

监听模块：用于在后台服务器中监听政务终端是否有图片输入并对输入的图片进行文字识别，当监听模块监听接收到政务终端上传的图片文件后，通过调用OCR程序组件对上传的公文图片上的文字进行识别；

非标准字符元素识别模块：用于识别公文图片中的非标准字符元素，并通过比对算法将非标准字符元素转换成特殊的文本文字进行存储；

数据库模块：用于文字、非标准字符元素以及其它辅助信息；