[发明专利]一种基于知识库的OCR纠错方法、装置及存储介质

权利要求书

1.一种基于知识库的OCR纠错方法，其特征在于，包括以下步骤：

S1，根据光学字符识别应用的对象，构建知识库R；

S2，使用光学字符识别技术对文本图片进行识别，构建字符矩阵P；

S3，对字符矩阵P中第一行的字符串进行分词；

S4，将得到的分词依次与知识库R中的词语进行匹配，若分词在知识库R中，则识别正确，无需纠错；

若分词不在知识库R中，则根据知识库R中的词语对分词进行匹配替换，当新词在知识库R中出现，则纠错完成。

2.如权利要求1所述基于知识库的OCR纠错方法，其特征在于：所述S1中的识别应用的对象包括身份证、营业执照和发票。

3.如权利要求1所述基于知识库的OCR纠错方法，其特征在于：所述S1中的构建知识库R是利用先验知识，将可能出现的词语、词组、副词构建成知识库R。

4.如权利要求1所述基于知识库的OCR纠错方法，其特征在于：所述S2中字符矩阵P的大小为K*L，其中K为每个位置保留K个概率最高的字符，L为识别的文本长度。

5.如权利要求4所述基于知识库的OCR纠错方法，其特征在于，所述字符矩阵P的获取过程为：根据识别的文本中的每个字符a_i,i＝1,……,L，得到按概率从小到大排序的K个可能字符记结果为

6.如权利要求1所述基于知识库的OCR纠错方法，其特征在于：所述S3中第一行的字符串为得到的分词为w₁,w₂,……,w_c,其中c为分词个数。

7.如权利要求1所述基于知识库的OCR纠错方法，其特征在于，所述S4中匹配替换的具体过程为：

S41，在知识库R中寻找与分词w_n编辑距离最小的词语r，其中n＝1……c；

S42，分别比较w_n与r的每个字符，将w_n中与r对应位置不一致的字符分别替换成概率第i大的字符，构成的新词w^’，其中i＝2……K；

S43，判断新词w^’是否与r相同，不相同则返回步骤二，相同则纠错完成；

若新词w^’与r不相同，则返回步骤二继续替换，当替换到i＝K，新词w^’与r还不相同时，则停止纠错，保留原词，报告纠错失败。

8.如权利要求7所述基于知识库的OCR纠错方法，其特征在于：所述步骤一中编辑距离最小的词语r包括一个至多个编辑距离为1的词语。

9.一种基于知识库的OCR纠错装置，其特征在于，包括预建模块、识别模块、分词模块和纠错模块：

预建模块：用于根据光学字符识别应用的对象，构建知识库R；

识别模块：用于使用光学字符识别技术对文本图片进行识别，构建字符矩阵P；

分词模块：用于对字符矩阵P中第一行的字符串进行分词；

纠错模块：用于依次将得到的分词与知识库R中进行匹配，若分词在知识库R中，则识别正确，无需纠错；

若分词不在知识库R中，则根据知识库R中的词语对分词进行匹配替换，当新词在知识库R中出现，则纠错完成。

10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权力要求1至8中任一项所述的基于知识库的OCR纠错方法。