[发明专利]基于卷积神经网络的老挝语印刷体文本光学字符识别方法

说明书

本发明公开了一种基于卷积神经网络的老挝语印刷体文本光学字符识别方法，属于自然语言处理和机器学习技术领域。本发明在输入印刷体文本扫描图片后，首先对图像进行二值化处理，并进行旋转矫正。然后因为老挝文为从左至右书写的横排元音附标文字，因此将预处理过的图像通过投影直方图法，按照先行后列的顺序，对整页字符进行切割，切分成老挝文字符组合。然后将切分出的老挝文字符输入针对老挝语特征建立的四路并行卷积神经网络模型中，输出对应的字符文本。最后按照老挝语语言规则对字符文本序列进行后处理，产生最终文本输出。本发明在老挝语字符识别及纸质资料数字化处理上有一定的应用价值。

技术领域

本发明涉及一种基于卷积神经网络的老挝语印刷体文本光学字符识别方法，属于自然语言处理中小语种光学字符识别领域，适用于老挝语图像转文字应用场景。

背景技术

光学字符识别是用计算机自动辨识印刷在纸上或人写在纸上的文字,是模式识别及自然语言处理领域的一个重要分支。目前,世界范围内光学字符识别研究主要是针对中文、英文等主流语言的识别，国内对少数民族文字识别也有一定的研究,主要是蒙文、藏文、维文等文字。光学字符识别主要研究的问题之一，就是对字符图像的分类问题。

老挝作为一带一路沿线且与中国接壤的国家，其官方语言老挝语具有较大研究意义。但老挝经济较不发达，信息技术相关研究及产业较为落后，缺少老挝语自然语言处理研究时必须的数字语料，因此存在极大老挝语纸质资料数字化需求。在老挝文纸质资料数字化的过程中，现有录入方法大多为人工手动录入，存在老挝语人才较少，录入速度较慢，精确度受录入者水平影响的问题。因此需要一种基于光学字符识别的文本录入方法，加快录入速度，提高录入文本的精确度。

发明内容

本发明要解决的技术问题是提供一种基于卷积神经网络的老挝语印刷体文本光学字符识别方法，用于解决老挝语纸质资料数字化录入的问题。

本发明采用的技术方案是：一种基于卷积神经网络的老挝语印刷体文本光学字符识别方法，包括如下步骤：

Step1，将计算机可处理的数字图像进行输入，输入图像为由扫描仪扫描获得的印刷品扫描图片；

Step2，对图像进行预处理，即通过数字图像处理技术，按照局部自适应二值化方法将输入图像转换为二值黑白图像，消除噪点，然后根据最小外接矩形对图像扭曲进行矫正；

Step3，对二值化的无扭曲图像进行先横向后纵向的投影直方图法分析，根据直方图峰/谷特征，在直方图谷处进行划分，将整幅图像切割为单字符图像；

Step4，将单字符图像输入四路并行的卷积神经网络模型中，在每路中分别判别出老挝语字符中声调/上部元音/辅音/下部元音等书写于不同位置的字符，输出字符；

Step5，对Step4输出的字符进行判断，是否将上部元音或下部元音错误切分为一行，如存在错误返回Step3进行修正，然后根据老挝语固定搭配习惯，对输出文本进行修正；

Step6，输出输入图片对应的文本。

具体地，所述步骤step2中先采用局部自适应二值化方法将RGB彩色图像转制为二值图像，再采用形态学开操作减少噪点，然后采用用最小外接矩形法修正图像倾斜，获得无扭曲二值化图像。

具体地，所述步骤step4中的每一路卷积神经网络，按照“输入-批标准化-卷积-卷积-池化-丢弃参数-卷积-池化-丢弃参数-卷积-池化-批标准化-展平-全连接-批标准化-全连接-输出”的层次结构，构建神经网络模型，对老挝语字符进行识别。

本发明的有益效果是：

(1)该基于卷积神经网络的老挝语印刷体文本光学字符识别方法，针对老挝语特点设计了四路并行的神经网络，大大减少了分类类别，减小了模型复杂度，加快了识别速度。