[发明专利]一种印刷体与手写体混合文本行提取系统

摘要

本发明公开了一种印刷体与手写体混合文本行提取系统，包括文本块区域预处理以及文本行提取；本发明先通过文本块区域预处理过程，对包含有印刷体或手写体或混合文本的文档图像进行扭斜校正，通过版面分析获取文本块区域；然后对文本块区域进行连通域聚类并分配所属文本行标签，并对粘连字符像素进行聚类分割并重新分配所属文本行标签；最后通过文本行标签实现文档图像文本行的提取。本发明克服了现有技术中的手写文本或印刷体与手写体混合文本中的文本行因倾斜粘连而造成的提取笔画信息丢失或冗余笔画信息引入的缺陷，提高了文本行提取过程中的像素可控性，从而达到快速高效地提取文本行的目的。

主权项

1.一种印刷体与手写体混合文本行提取系统，其特征在于，包括文本块区域预处理以及文本行提取；其中，所述文本块区域预处理的具体步骤为：步骤S11、获取文档图像；步骤S12、对文档图像进行扭斜校正；步骤S13、对文档图像进行版面分析并屏蔽非文本区域；步骤S14、获取文本块区域并进行二值化处理；所述文本行提取的具体步骤为：步骤S21、获取文本块区域；步骤S22、由全卷神经网络模型对文本块区域进行密度估计，提取文本行主体区域；步骤S23、对文本行主体区域进行回归分析，得到文本行回归模型；步骤S24、由文本行回归模型引导字符连通域聚类；步骤S25、检测文本行间粘连字符块；步骤S26、粘连字符像素聚类；步骤S27、对粘连字符块中的像素进行分割，并重新分配文本行标签。