[发明专利]一种基于神经网络文字图片识别方法及系统

说明书

本发明提供的一种基于神经网络文字图片识别方法及系统，通过对识别文字图片的分析，提取特征，纠正提取后的文本内容，通过神经网络识别替换错误的字符以及文本内容，得到更加简单、准确的文本内容。

技术领域

本发明涉及文字识别技术领域，尤其涉及一种基于神经网络文字图片识别方法及系统。

背景技术

国家在不断发展交流过程中，走向世界学习不同的外语，外国人来访中国，也需要学习中文，以及各地方言，第二语言的学习、阅读，以及第一语言的手写稿阅读，成为了年轻人生活的一部分，但实践中，由于知识储备关系，特别是手写稿文字，潦草，连笔字导致字迹不清晰，外行人不容易看懂，现有的文字识别算法或者技术，如：densnet+ctc，crnn+ctc，resnet+ct等，他们的损失函数统一，提取的特征层不一样，对于手写体体，无规律的结构文字，很难去提取特征关键，导致提取识别的文字会出现错误。

发明内容

本发明主要针对现有技术所存在的缺陷和不足，提供一种基于神经网络文字图片识别的方法及系统。

本发明公布的一种基于神经网络文字识别图片识别方法，包括以下步骤：

S1：获取待识别文本图片，进行转换，形成训练样本图片。

S2：对S1中的训练样本图片，通过预处理识别提取特征，得到可编辑文本图片；分析所述可编辑文本图片，分析每一个元素，如：文字、数字、标题、图表、形状、公式、表格、英文、英文等。

S3：将所述可以编辑文本图片分析出的每个元素切割成单个模块。

S4：将每个模块的信息，输入已经训练好的卷积神经网络模型中，识别出该模块详细的文本内容，得到含有错误字符的待纠错文本；其中所述含错误字符的文本至少含有一个散串的字符，所述散串字符为不满足所述文本的单个字符；若该模块是图片，则只对该模块的位置信息进行记录；若该模块是图表或表格，则需要识别模块中的内容，得到纠错文本。

S5：将所述纠纠错文本，合并相邻散落的字符拼凑为组合字符，例如：分别上下组合，左右组合。

S6：通过神经网络模型，将所述组合字符与字符文本库进行对比，根据预设的自然语言概率统计模型，从所述候选文本中，选择概率最大的语句替换所述带纠错文本中的错误字符。

S7：更新替换字符后的纠错文本，合并各个模块的内容，保存识别后的文本内容。

本发明还提供一种基于神经网络文字识别图片识别系统，包括：

转换模块：获取待识别文本图片，进行转换，形成训练样本图片。

识别分析模块：对转换模块中的训练样本图片，通过预处理识别提取特征，得到可编辑文本图片；分析所述可编辑文本图片，分析每一个元素，如：文字、数字、标题、图表、形状、公式、表格、英文、英文等。

切割模块：将所述可以编辑文本图片分析出的每个元素切割成单个模块；

纠错分析模块：将每个模块的信息，输入已经训练好的卷积神经网络模型中，识别出该模块详细的文本内容，得到含有错误字符的待纠错文本。

其中，所述含错误字符的文本至少含有一个散串的字符，所述散串字符为不满足所述文本的单个字符；若该模块是图片，则只对该模块的位置信息进行记录；若该模块是图表或表格，则需要识别模块中的内容，得到纠错文本。

合并字符模块：将所述纠纠错文本，合并相邻散落的字符拼凑为组合字符，例如：分别上下组合，左右组合。

字符替换模块：通过神经网络模型，将所述组合字符与字符文本库进行对比，根据预设的自然语言概率统计模型，从所述候选文本中，选择概率最大的语句替换所述带纠错文本中的错误字符。

合并输出模块：更新替换字符后的纠错文本，合并各个模块的内容，保存识别后的文本内容。