[发明专利]一种图像信息提取方法和装置

说明书

本发明公开了一种图像信息提取方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对目标图像进行文字检测与识别，得到目标图像的文本行以及文本行的字符信息；将字符信息与设定的预印字符模板进行匹配，以确定预印字符信息在文本行的位置；对预印字符信息所在位置对应的文本行图像进行图像分割，以定位预印字符信息的像素位置，在像素位置提取预印字符颜色信息；使用目标图像的背景颜色信息替换预印字符颜色信息，对替换颜色后的目标图像进行文字检测与识别，得到打印字符信息。该方法提取预印字符颜色信息，用背景颜色替换预印字符颜色信息后，进行文字检测与识别，获得打印字符信息，提高了压盖区域信息识别的完整性和准确度。

技术领域

本发明涉及计算机领域，尤其涉及一种图像信息提取方法和装置。

背景技术

票据识别OCR(Optical Character Recognition，光学字符识别)系统是一款通用的数据批量采集软件，适用于具有表格特征的表单、问卷、单证、保险单等的信息提取。具体地，该系统通过扫描、图像处理、自动分类、OCR技术，可以准确、快速、真实地提取表格图像中的数据信息并保存，而且可以将数据结果导出为标准的数据格式，如Excel表，与ERP(Enterprise Resource Planning，企业资源计划)、CRM(Customer RelationshipManagement，客户关系管理)等系统能够无缝结合。

各种票据票面中存在一个普遍现象，即存在“压盖”问题，包括两个方面，一是印章随意压盖导致其与打印信息重叠，二是票据摆放不标准导致打印信息与预印信息重叠，该现象会极大地降低票据打印信息提取的准确率。现有的票据识别技术，需要先人工设定印章和预印信息的颜色信息，进而对票据图像进行处理，降低印章以及预印信息对打印信息的识别所带来的影响。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

由于打印方式不同、图像采集手段不同，人工设定的颜色信息往往严重偏离真实票据，导致票据干扰信息的消除效果较差，压盖区域的文字检测残缺，文字识别的准确率低。

发明内容

有鉴于此，本发明实施例提供一种图像信息提取方法和装置，利用预印字符模板和图像分割技术提取预印字符颜色信息，并使用目标图像的背景颜色信息替换预印字符颜色信息，之后对替换颜色后的目标图像进行文字检测与识别，即可获得打印字符信息，提高了压盖区域的信息识别的完整性和准确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种图像信息提取方法。

本发明实施例的一种图像信息提取方法，包括：对目标图像进行文字检测与识别，得到所述目标图像的文本行以及所述文本行的字符信息；将所述字符信息与设定的预印字符模板进行匹配，以确定预印字符信息在所述文本行的位置；对所述预印字符信息所在位置对应的文本行图像进行图像分割，以定位所述预印字符信息的像素位置，在所述像素位置提取预印字符颜色信息；使用所述目标图像的背景颜色信息替换所述预印字符颜色信息，对替换颜色后的目标图像进行文字检测与识别，得到打印字符信息。

可选地，所述将所述字符信息与设定的预印字符模板进行匹配，包括：查找预印字符模板中是否存在所述字符信息；在所述预印字符模板中存在所述字符信息的情况下，确认所述字符信息为所述预印字符信息。

可选地，所述对所述预印字符信息所在位置对应的文本行图像进行图像分割，以定位所述预印字符信息的像素位置，包括：采用图像分割算法，对所述预印字符信息所在位置对应的文本行图像进行二值化分割，以定位所述预印字符信息的像素位置。

可选地，所述对替换颜色后的目标图像进行文字检测与识别的步骤之前，所述方法还包括：定位所述目标图像中印章的位置，以提取印章颜色信息；使用所述目标图像的背景颜色信息替换所述印章颜色信息。