本公開涉及文本識別領(lǐng)域，尤其涉及一種圖像文本識別的方法、裝置、設(shè)備、計算機存儲介質(zhì)及計算機程序產(chǎn)品。

背景技術(shù)：

1、隨著科技的不斷發(fā)展，人們利用科技在不同的領(lǐng)域進行探索研究。文本識別領(lǐng)域作為當下熱門的領(lǐng)域，主要研究如何利用計算機對圖像中的字符進行識別。

2、相關(guān)技術(shù)中，利用光學字符識別(optical?character?recognition，ocr)等技術(shù)，能夠識別單個文本區(qū)域，且文本排列規(guī)整的文本圖像。但是，相關(guān)技術(shù)中，采用ocr等方法在識別圖像文本時，僅能對每個文本區(qū)域進行分別掃描，從而導致每個文本區(qū)域識別出的文本在最終組合時難以準確的完成語義再現(xiàn)。

技術(shù)實現(xiàn)思路

1、本公開實施例提供一種圖像文本識別的方法、裝置、設(shè)備及計算機存儲介質(zhì)，能夠提高圖像文本識別出的語義的準確性。

2、第一方面，本公開實施例提供一種圖像文本識別的方法，方法包括：

3、獲取多個子文本區(qū)域；其中，多個子文本區(qū)域的組合面積與第一文本區(qū)域的面積相等；

4、分別獲取多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度；選取適應(yīng)度小于預設(shè)適應(yīng)度閾值的目標適應(yīng)度對應(yīng)的目標組合方式；

5、對利用目標組合方式組合多個子文本區(qū)域得到的目標文本區(qū)域進行文本識別，得到目標文本信息。

6、在一個可以實現(xiàn)的實施方式中，獲取多個子文本區(qū)域，包括：

7、獲取待識別的圖像，圖像包括多元素文本的區(qū)域；

8、對圖像進行文本區(qū)域識別，識別得到圖像中包括文本的第一文本區(qū)域；

9、利用預設(shè)選取框，通過覆蓋第一文本區(qū)域的方式，將第一文本區(qū)域劃分為多個子文本區(qū)域。

10、在一個可以實現(xiàn)的實施方式中，對圖像進行文本區(qū)域識別，識別出圖像中包括文本的第一文本區(qū)域之前，該方法還包括：

11、對圖像進行灰度處理，得到灰度處理后的第一目標圖像。

12、在一個可以實現(xiàn)的實施方式中，對圖像進行文本區(qū)域識別，識別出圖像中包括文本的第一文本區(qū)域，包括：

13、獲取第一目標圖像中灰度值滿足灰度閾值的第一目標覆蓋區(qū)域，第一目標覆蓋區(qū)域包括文本信息；

14、利用選取框，通過不重復覆蓋且相鄰的選取框之間相交或相切的方式，將選取框覆蓋至第一目標覆蓋區(qū)域，并獲取包括文本信息的文本框覆蓋的區(qū)域，以得到預組合區(qū)域；

15、在預組合區(qū)域的任意邊界點的連線在預覆蓋區(qū)域內(nèi)的情況下，組合預組合區(qū)域，得到第一文本區(qū)域。

16、在一個可以實現(xiàn)的實施方式中，在預組合區(qū)域的任意邊界點的連線在預覆蓋區(qū)域內(nèi)的情況下，組合預組合區(qū)域，得到第一文本區(qū)域，包括：

17、在預組合區(qū)域的任意邊界點的連線在預覆蓋區(qū)域內(nèi)的情況下，利用選取框覆蓋預組合區(qū)域中，確定預組合區(qū)域被覆蓋中的灰度面積和被覆蓋區(qū)域的面積；

18、計算灰度面積與被覆蓋面積的比值；

19、在比值小于或等于密集度閾值的情況下，組合預組合區(qū)域得到第一文本區(qū)域。

20、在一個可以實現(xiàn)的實施方式中，在分別獲取多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度之前，該方法還包括：

21、通過目標編碼方式對多個子文本區(qū)域編碼，得到編碼后的多個子文本區(qū)域；

22、通過判斷子文本區(qū)域與目標區(qū)域邊界是否有交界的方式，對編碼后的多個子文本區(qū)域二次編碼，得到二次編碼后的多個子文本區(qū)域；

23、分別獲取多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度，包括：

24、分別獲取二次編碼后的多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度。

25、在一個可以實現(xiàn)的實施方式中，選取適應(yīng)度小于預設(shè)適應(yīng)度閾值的目標適應(yīng)度對應(yīng)的目標組合方式，包括：

26、選取多個組合方式對應(yīng)的適應(yīng)度中的最小適應(yīng)度；

27、比較最小適應(yīng)度和適應(yīng)度閾值，得到比較結(jié)果；

28、在比較結(jié)果包括最小適應(yīng)度小于適應(yīng)度閾值的情況下，獲取最小適應(yīng)度對應(yīng)的目標組合方式。

29、在一個可以實現(xiàn)的實施方式中，比較最小適應(yīng)度和適應(yīng)度閾值，得到比較結(jié)果之后，該方法還包括：

30、在比較結(jié)果包括最小適應(yīng)度大于或等于適應(yīng)度閾值的情況下，根據(jù)最小適應(yīng)度更新歷史最小適應(yīng)度和多個組合方式對應(yīng)的適應(yīng)度，得到更新后的歷史最小適應(yīng)度和多個組合方式對應(yīng)的適應(yīng)度。

31、第二方面，本公開實施例提供了一種圖像文本識別的裝置，裝置包括：

32、獲取模塊，用于獲取多個子文本區(qū)域；其中，多個子文本區(qū)域的組合面積與第一文本區(qū)域的面積相等；

33、獲取模塊，還用于分別獲取多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度；

34、選取模塊，用于選取適應(yīng)度小于預設(shè)適應(yīng)度閾值的目標適應(yīng)度對應(yīng)的目標組合方式；

35、識別模塊，用于對利用目標組合方式組合多個子文本區(qū)域得到的目標文本區(qū)域進行文本識別，得到目標文本信息。

36、第三方面，本公開實施例提供了一種圖像文本識別的設(shè)備，設(shè)備包括處理器，以及存儲有計算機程序指令的存儲器；處理器讀取并執(zhí)行計算機程序指令，以實現(xiàn)如第一方面的任意一項的圖像文本識別的方法。

37、第四方面，本公開實施例提供了一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)上存儲有計算機程序指令，計算機程序指令被處理器執(zhí)行時實現(xiàn)如第一方面的任意一項的圖像文本識別的方法。

38、第五方面，本公開實施例提供了一種計算機程序產(chǎn)品，包括計算機程序，計算機程序被處理其執(zhí)行時實現(xiàn)如第一方面的任意一項的圖像文本識別的方法。

39、本公開實施例提供的圖像文本識別的方法、裝置、設(shè)備、計算機存儲介質(zhì)及計算機程序產(chǎn)品，獲取多個子文本區(qū)域，再分別獲取多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度。根據(jù)目標組合方式對多個子文本區(qū)域進行組合得到目標文本區(qū)域，對目標文本區(qū)域進行文本識別得到目標文本信息，通過對第一文本區(qū)域進行劃分，得到多個子文本區(qū)域，從多個子文本區(qū)域的所有組合方式的適應(yīng)度中選擇適應(yīng)度小于預設(shè)適應(yīng)度的目標組合方式，其中，適應(yīng)度小于預設(shè)適應(yīng)度對應(yīng)的目標組合方式是最優(yōu)的組合方式，基于目標組合方式對多個子文本區(qū)域進行組合能夠得到包含更準確的文本信息的目標文本區(qū)域，再對目標文本區(qū)域進行識別能夠有效提高圖像文本識別出的語義的準確性。

技術(shù)特征：

1.一種圖像文本識別的方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取多個子文本區(qū)域，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述圖像進行文本區(qū)域識別，識別得到所述圖像中包括文本的第一文本區(qū)域之前，所述方法還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對所述圖像進行文本區(qū)域識別，識別得到所述圖像中包括文本的第一文本區(qū)域，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述預組合區(qū)域的任意邊界點的連線在預覆蓋區(qū)域內(nèi)的情況下，組合所述預組合區(qū)域，得到所述第一文本區(qū)域，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述分別獲取所述多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度之前，所述方法還包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述選取所述適應(yīng)度小于預設(shè)適應(yīng)度閾值的目標適應(yīng)度對應(yīng)的目標組合方式，包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述比較所述最小適應(yīng)度和所述適應(yīng)度閾值，得到比較結(jié)果之后，所述方法還包括：

9.一種圖像文本識別的裝置，其特征在于，所述裝置包括：

10.一種圖像文本識別的設(shè)備，其特征在于，所述設(shè)備包括處理器，以及存儲有計算機程序指令的存儲器；所述處理器讀取并執(zhí)行所述計算機程序指令，以實現(xiàn)如權(quán)利要求1-8任意一項所述的圖像文本識別的方法。

11.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-8任意一項所述的圖像文本識別的方法。

12.一種計算機程序產(chǎn)品，其特征在于，包括計算機程序，所述計算機程序被處理其執(zhí)行時實現(xiàn)權(quán)利要求1-8任意一項所述的圖像文本識別的方法。

技術(shù)總結(jié)
本申請公開了一種圖像文本識別的方法、裝置、設(shè)備及計算機存儲介質(zhì)。其方法包括：獲取多個子文本區(qū)域，其中，多個子文本區(qū)域的組合面積與第一文本區(qū)域的面積相等。分別獲取多個子文本區(qū)域的多個組合方式對應(yīng)的適應(yīng)度；選取適應(yīng)度小于預設(shè)適應(yīng)度閾值的目標適應(yīng)度對應(yīng)的目標組合方式；根據(jù)目標組合方式對多個子文本區(qū)域進行組合得到目標文本區(qū)域；對目標文本區(qū)域進行文本識別得到目標文本信息。本公開通過選取目標適應(yīng)度對應(yīng)的組合方式，能夠得到包含更準確的文本信息的目標文本區(qū)域，再對目標文本區(qū)域進行識別能夠有效提高圖像文本識別出的語義的準確性。

技術(shù)研發(fā)人員：張寅,劉曉暢
受保護的技術(shù)使用者：中國移動通信集團安徽有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21