[发明专利]一种基于卷积神经网络的字符识别方法

摘要

本发明公开了一种基于卷积神经网络的字符识别方法，主要解决现有的人力录入工程图纸数据时费时费力、错误率高的问题，其主要步骤包括：1)采用基于Otsu法的最佳全局阈值处理将灰度图像转换为二值图像。2)对倾斜的图像进行旋转矫正。3)采用数学形态学的算法提取出表格框。4)获得字符所在区域。5)将斜向字符串旋转相应的角度至水平方向。6)采用圆形霍夫变换的算法来查找图像中的圆圈，提取工程图纸中的焊道号。7)采用卷积神经网络的方法对工程图纸进行图文识别。8)通过编码规则修正简单错误，自动纠正识别错误。9)输出并存储图纸数据。本发明在工程图纸的图文识别上具有高准确率和实时性，实现了工程图纸数据的高效记录与管理。

主权项

1.一种基于卷积神经网络的字符识别方法，其特征在于，包括如下步骤：步骤1，对工程图纸扫描文档二值化，将工程图纸扫描文档中的图文与背景分离；步骤2，针对倾斜的扫描文档，找到二值图像的倾斜角，采用双线性插值对图像进行旋转矫正；步骤3，采用数学形态学处理提取出步骤2矫正图像中的表格框线，将图像分割为图面区域、材料表区域和标题栏区域；步骤4，搜索步骤2中矫正图像所有的连通区域，再依据图像中所标记连通区域的形状和近邻位置特征筛选、合并连通区域来定位单个字符；步骤5，将单个字符组合成字符串，计算字符串中各字符外接矩形的中心点的拟合直线，依据拟合直线的斜率判断字符串的走向，将斜向字符串旋转相应的角度至水平方向；步骤6，查找步骤2矫正图像中的圆圈，并提取工程图纸中的焊道号；步骤7，制作工程图纸字符数据集，在MatConvNet框架下构建卷积神经网络，利用网络训练的得到的模型识别步骤图纸中的字符；步骤8，通过对图面区域、材料表区域和标题栏区域设置不同的编码规则，自动纠正各区域中简单的字符识别错误；步骤9，输出并存储所有识别获得的图纸数据。