[发明专利]一种基于特征检测的OCR识别票据问题的方法及系统

权利要求书

1.一种基于特征检测的OCR识别票据问题的方法，其特征在于，所述方法包括以下步骤：

S100：读取票据图像文件得到票据图像；

S200：对票据图像进行背景消除；

S300：将背景消除后的票据图像进行中值滤波处理得到第一图像；

S400：对第一图像做投影变换并去除分隔符；

S500：在去除分隔符的第一图像中识别字符特征得到字符特征图像区域并识别字符特征图像区域中的字符得到票据文本；

S600：抽取票据文本的关键词组合；

S700：计算关键词组合与知识库中的各个规则集的匹配度；

S800：将匹配度最高的规则集作为基准规则集；

S900：若票据文本的审计内容信息大于基准规则集预设的风险阈值则发出警报信息；

在S700中，计算关键词组合与知识库中的各个规则集的匹配度的方法为以下步骤:令票据文本为S，规则集为S_i，i为1到n之间的正整数，n为知识库中的规则集的数量，则通过S与S_i之间的语义距离来计算相似度D(S,S_i)＝1-Same(S,S_i)，其中，Same(S,S_i)表示S与S_i的匹配度，其中，语句相似度w_ij的值的计算方法为，令票据文本S的关键词的任意组合为Key，S_i中对应的关键词为Key_j，freq_i,j表示关键词Key_j在S_i出现的频率，j代表关键词Key_j在S_i中出现第j次，j为1到n之间的正整数，则语句相似度w_ij的值为，

其中，m_i,j表示关键词Key在S_i中出现第j次的在知识库中的期望平均值，

其中：freq为关键词word在S出现的频率，freq_i,j表示关键词word_j在S_i出现的频率；

其中，S与S_i的匹配度Same(S,S_i)∈[0,1]，匹配度的值越小，表明匹配度越高，文本越相似，选取匹配度最高的规则集作为基准规则集。

2.根据权利要求1所述的一种基于特征检测的OCR识别票据问题的方法，其特征在于，在S200中，对票据图像进行背景消除的方法为以下步骤:

S210：将票据图像的彩色图像转换成灰度图；

S220：根据票据图像的最高、最低灰度值对票据图像进行二值化处理，能够使票据图像的背景图基本置为0，以突出票据图像的票据区域；

S230：对票据图像作相邻像素灰度值相减，得到背景消除的票据图像，从而减小票据图像的背景影响。

3.根据权利要求1所述的一种基于特征检测的OCR识别票据问题的方法，其特征在于，在S300中，将背景消除后的票据图像进行中值滤波处理得到第一图像的方法为：由于票据图像的文字是像素点或短竖线构成，所以票据图像的背景噪声中大部分是孤立的噪声，采用的中值滤波器上滑动窗口，含有奇数个元素；将窗口中心的票据图像的元素灰度值用窗口中各灰度值的中间数值来代替，中值滤波可以去除票据图像的这部分噪声；通过垂直投影法、水平投影法分别检测票据图像垂直和水平的位置得到第一图像。

4.根据权利要求1所述的一种基于特征检测的OCR识别票据问题的方法，其特征在于，在S400中，对第一图像做投影变换并去除分隔符的方法为以下步骤:

S410：从左往右和从右往左分别扫描票据图像寻找大于阈值T的像素,并跟踪投影直到小于阈值T的波谷,得到并去除左右波谷的位置,从而去除票据图像左右边框位置；

S420：分别扫描票据图像的上半部分和下半部分投影,得到并去边框和字符间的两个波谷位置,从而去除票据图像上下边框位置。