[发明专利]一种基于神经网络的不动产证书识别方法

权利要求书

1.一种基于神经网络的不动产证书识别方法，其特征在于：包括以下步骤：

S1：制作不动产证书识别样本集；

S2：构建不动产证书字符识别神经网络；

S3：利用样本集训练所述不动产证书字符识别神经网络，得到训练完成的网络；

S4：获取待识别证书图片，对图片进行累加预处理，得到累加图片；

步骤S4中，得到累加图片的过程如下：

S41、将待识别证书图片进行中值滤波处理，得到去噪后的图片；

S42、将去噪后的图片进行HSV转换，得到第三个通道的分量值；所述第三个通道为V通道；

S43、将整个图片在每个像素上的值分别按行、列累加后，得到累加图片的一维行累加数组和一维列累加数组；

S5：对累加图片进行归一化处理，得到归一化图片；

步骤S5中归一化的计算公式如下：

；

S6：对归一化图片进行自动筛选裁剪，提取特征区域；

步骤S6中自动筛选裁剪的过程如下：

S61、获取归一化后数组的元素值；

S62、元素值为负数，则该元素属于特征区域外的元素；元素值为正数，则该元素属于特征区域内的元素；

S63、通过元素值对应的行列坐标，确定特征区域的四个顶点，根据特征区域四个顶点，完成图片裁剪，得到特征区域；

S7：自动获取特征区域图像明度，利用图像明度对特征区域进行初步筛选，得到粗区域；

S8：对粗区域进行形态学处理，得到精区域；

S9：对精区域进行二次形态学处理，得到字符区域；

S10：将字符区域输入至训练完成的网络，得到最终不动产证书编号。

2.如权利要求1所述的一种基于神经网络的不动产证书识别方法，其特征在于：步骤S1中样本集制作过程如下：

S11、选取不动产证书字符识别区域；

S12、将字符识别区域进行二值化处理，并缩放成统一大小；

S13、将字符识别区域内的不同字符进行分割，并将不同字符对应单独存储路径，每个字符存储路径中的字符图片大于预设值，最终形成样本集；

S14、将样本集按比例划分为训练集、验证集和测试集。

3.如权利要求1所述的一种基于神经网络的不动产证书识别方法，其特征在于：步骤S2中，所述不动产证书字符识别神经网络包括多个；

每个网络的结构均包括输入层、隐藏层和输出层；

每个网络的输入层均采用HOG特征；

各个网络的隐藏层层数不同；

每个网络的输出层层数相同。

4.如权利要求3所述的一种基于神经网络的不动产证书识别方法，其特征在于：步骤S3中对不动产证书字符识别神经网络的训练过程如下：

S31、输入训练集，采用向前传播算法计算各个网络的代价函数值，在每轮传播中使用反向传播计算神经网络的偏置值和权重值，得到训练好的各个网络，并选择训练误差最小的网络作为后续待验证网络；

S32、输入验证集，验证待验证网络，进一步调试，得到优化后的网络；

S33、输入测试集，测试优化后的网络，优化后的网络作为最终训练完成的网络。

5.如权利要求1所述的一种基于神经网络的不动产证书识别方法，其特征在于：步骤S7中得到粗区域的方法包括两种，分别为转换为LAB颜色空间法和转换为HSV颜色空间法，具体如下：

将特征区域转换为LAB颜色空间：获取特征区域在L通道的值，随后将每个像素点的值归一化；计算特征区域所有像素点上明度的平均值，将平均值与明度阈值比较，若超过明度阈值，则该特征区域不符合标准，予以剔除，否则该特征区域作为粗区域；

将特征区域转换为HSV颜色空间，则分别计算特征区域在转换后每个通道上像素点的平均值，得到三个通道平均值；再将三个通道平均值平均，得到一个图像明度值；将该图像明度值与明度阈值比较，若超过明度阈值，则该特征区域不符合标准，予以剔除，否则该特征区域作为粗区域。