[发明专利]一种基于像素级多特征联合分类的手写体字符的提取方法

说明书

本发明公开了一种基于像素级多特征联合分类的手写体字符的提取方法，具体步骤包括：(1)字符定位：通过字符连通域算法或目标识别检测YoLo v3算法对图片中的文本字符进行定位处理；(2)样本收集：收集含手写体文本字符和印刷体文本字符的重叠字符的真实样本，再通过合成方式追加若干个类真实的样本；(3)特征提取：对文本字符样本进行多特征提取，获得文本字符图；(4)像素分类：对文本字符的特征进行像素级分类，再对字符像素特征进行分类处理，获得字符特征的像素分类结果；(5)字符提取：根据像素分类结果，对图片中的像素位进行筛选并将判断为印刷体的字符像素的灰度值设置为白色，从而去除印刷体字符，提取出手写体字符。

技术领域

本发明属于文本图像处理技术领域，尤其是涉及一种基于像素级多特征联合分类的手写体字符的提取方法。

背景技术

随着人工智能信息化时代的发展，图像识别技术逐渐兴起并已深入至各个行业，彻底改变了人类的生产和生活方式。然而技术的不断迭代更新，在传统图像识别领域，原本难以完成的图像处理任务，现阶段可通过人工智能方法实现图像处理的任务需求，弥补传统方法存在的不足。

随着科技的发展，随着人工智能的到来，新的一轮技术革命已然开始；计算机已逐步取代了人工的繁重工作。例如，在文本识别领域，由于大量文本信息待处理，传统的人工审阅方式已然无法满足需求；或者学生考试使用的部分自动批阅系统，以及票据、凭据等的识别录入系统，这些不仅节省了由人工参与而浪费的大量时间，同时提高了工作效率。但作为文本识别系统，对其识别的精度一直以来都有很高的要求，也是目前研究的重点；文本识别主要分为手写体识别和印刷体识别两种，考虑到手写体书写的随意性和复杂性等特点，混合识别变的非常有难度，大多数的识别系统都是将其分开进行识别；伴随智能化识别系统的发展，开始逐渐打破了旧的格局，开辟新的天地；文本识别的前提是先对文本进行定位，实际识别应用中文本大多为印刷体和手写体字符的混合，而手写体通常为识别的重点目标，故需提前对待识别的手写体做出精确定位变得至关重要。

图像识别技术的本质是通过计算机对图像进行预处理、提取图像特征再加以分析和理解，以识别图像中的目标和对象的技术。图像识别技术的区别在于图像处理方法的不同，人工智能识别技术相比传统识别技术更具优势，它主要是采用了人工神经网络，通过卷积的方式处理图像，不仅高效可靠，而且学习到的模型能够无限逼近真实预测函数。在文本图像识别领域，涉及众多的图像处理技术，包括：图像预处理技术、图像分割技术和图像分类技术等。其中，图像分割技术是图像处理到图像分析的关键技术，它是将图像分成若干个特定独立的区域，并对每个具有独特性质的区域进行感兴趣目标提取的技术过程。目前，图像分割方法主要分为四类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。此外，每类技术在一定程度上相互融合，如图像分割技术涉及到图像分类技术，图像分离技术又涉及到图像分割技术，同时图像分类技术作为图像识别的核心技术已被广泛应用，有关它的研究仍在继续深入。

因此，有必要开发一种基于像素级多特征联合分类的手写体字符的提取方法，一种基于像素级多特征联合分类的手写体字符提取技术，它属于无模板分离技术，可在提取字符像素特征的基础上对每个像素进行分类，达到手写印刷字符完全分离的目的，进而提取出手写体字符。

发明内容

本发明要解决的技术问题是，提供一种基于像素级多特征联合分类的手写体字符的提取方法，对同时含有印刷体和手写体图片中的手写体部分做出精确定位，提高文本识别系统的精确度。

为解决上述技术问题，本发明采用的技术方案是：该基于像素级多特征联合分类的手写体字符的提取方法，具体包括以下步骤：

(1)字符定位：通过字符连通域算法或目标识别检测YoLo v3算法对图片中的文本字符进行定位处理，获取所述文本字符的定位坐标；

(2)样本收集：收集含手写体文本字符和印刷体文本字符的重叠字符的真实样本，再通过合成方式追加若干个类真实的样本，获得重叠文本字符样本；