[发明专利]一种基于聚类特征提取的OCR字体识别方法及系统

说明书

本发明公开了一种基于聚类特征提取的OCR字体识别方法及系统，该方法在同一OCR风格识别模型内设置了图形分割层、第一聚类层和第二聚类层，并以此对待识别文字进行笔划图形切割、笔划聚类和书法风格聚类，以获得该文字中各笔划所对应的书法风格，最后由局部书法风格确定整个文字的书法风格。本发明实施例通过OCR技术与聚类算法的结合，能够实现一个识别模型的多种书法风格的识别，提高识别准确率和模型的实用性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于聚类特征提取的OCR字体识别方法及系统。

背景技术

OCR(Optical Character Recognition)，中文叫做光学字符识别，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。而OCR对于字体的识别也逐渐应用在书法领域，例如通过OCR技术对书法练习的识别、纠错和评分（专利号202110545810.5）。

但是，现有技术并没有通过OCR技术对字体的风格进行识别的相关技术方案，因为OCR技术在进行特征提取时，为保证识别准确率，会将书法风格中的笔划勾勒识别为噪音或无效特征。即使通过大量的训练样本对OCR识别模型进行风格识别的训练，也只能针对单一书法风格，无法实现单一识别模型的多书法风格的准确识别，训练成本高且适用性差。

发明内容

本发明实施例提供一种基于聚类特征提取的OCR字体识别方法及系统，实现一个识别模型的多种书法风格的识别，提高识别准确率和模型的实用性。

第一方面，本发明实施例提供了一种基于聚类特征提取的OCR字体识别方法，包括：

获取待识别文字；

将所述待识别文字输入至OCR风格识别模型，以使所述OCR风格识别模型通过图形分割层对所述待识别文字进行笔划图形切割，获得若干个笔划图形，并通过第一聚类层对各笔划图形进行第一聚类计算，获得每个笔划所对应的笔划类别，继而通过第二聚类层将确定笔划类别的笔划图形进行第二次聚类计算，获得每个笔划所对应的书法风格，再根据每个笔划图形的连通区域面积和各书法风格，计算各笔划的书法风格所对应的权重，从而确定并输出所述待识别文字的书法风格；

其中，所述OCR风格识别模型内设置有所述图形分割层、所述第一聚类层和所述第二聚类层。

本发明实施例在同一OCR风格识别模型内设置了图形分割层、第一聚类层和第二聚类层，并以此对待识别文字进行笔划图形切割、笔划聚类和书法风格聚类，以获得该文字中各笔划所对应的书法风格，最后由局部书法风格确定整个文字的书法风格。相比于现有技术并没有OCR识别文字风格的技术方案，本发明实施例通过OCR技术与聚类算法的结合，能够实现一个识别模型的多种书法风格的识别，提高识别准确率和模型的实用性。此外，本发明实施例在进行聚类运算时，先对文字笔划进行一次聚类，再对书法风格进行二次聚类，与其他无OCR技术的风格识别方案相比，本发明实施例不是直接对文字本身进行整体识别，而是通过局部到整体的方式实现书法风格识别，减少误差的同时提高识别的准确性。

作为本实施例的优选，所述通过图形分割层对所述待识别文字进行笔划图形切割，获得若干个笔划图形，具体为：

通过所述图形分割层将所述待识别文字进行灰度二值化处理，获得待分割字符，并对所述待分割字符进行特征提取，结合预设的特征权重，将提取的特征进行划分，再根据划分后的字符形成若干个笔划图形；

其中，所述图形分割层是根据多个样品文字以及各样品文字对应的笔划分割结果而训练而成。

作为本实施例的优选，所述通过第一聚类层对各笔划图形进行第一聚类计算，获得每个笔划所对应的笔划类别，具体为：

所述第一聚类层根据第一聚类中心和k-means算法，分别确定各笔划图形所属的各第一类别；