[发明专利]基于基尼不纯度的OCR版面分析方法

摘要

本发明基于基尼不纯度的OCR版面分析方法，包括：获取图像OCR初始的含位置信息和置信分的识别结果；根据置信分将所有的识别结果分为高置信度和低置信度两类；从图像的左侧开始，按照一定的间隔设置多条竖直分隔线，同样地，从图像上侧开始，按照一定的间隔设置多条水平分隔线；利用竖直分隔线将识别结果分成左右两部分，水平分隔线将识别结果分成上下两部分；对于每一条分隔线，分别计算左右或者上下两个部分的基尼不纯度，然后根据上下/左右的基尼不纯度计算总的基尼不纯度；取所有分隔线中基尼不纯度最小的线作为最终的分隔线；通过最终分隔线的位置和方向判断图像的版面，同时过滤掉高置信度文本较少一侧的文本识别结果；根据过滤后的识别结果进行字段匹配，得到最终的识别结果。