本发明专利技术公开了一种基于OCR识别技术的营业执照企业信息提取方法，包括以下步骤：S1图像数据准备、S2图像数据预处理、S3营业执照信息版面划分、S4数据计算、S5划分综合概率和S6划分最终概率。步骤S1图像数据准备包括以下步骤，S11：选取准备；S12：数据储存；步骤S2图像数据预处理包括以下步骤，S21：图像过滤；S22：图像修正；S23：统一格式；步骤S3营业执照信息版面划分包括以下步骤，S31：版面划分，S32：等距划分，S33：水平划分，S34：文本识别，步骤S4数据计算包括以下步骤，S41：判定分布；S42：面积计算；S43：计算概率；该基于OCR识别技术的营业执照企业信息提取方法，简单快捷，本方法实现简单，可以广泛的应用于各类办公场景。可以广泛的应用于各类办公场景。可以广泛的应用于各类办公场景。
【技术实现步骤摘要】
一种基于OCR识别技术的营业执照企业信息提取方法
[0001]本专利技术涉及图像处理
，具体为一种基于OCR识别技术的营业执照企业信息提取方法。
技术介绍
[0002]OCR(optical character recognition)技术可以对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息，营业执照企业信息录入时，很多在需要存储企业信息时候，很多情况都是每个企业只有一张营业执照的图片文件,需要录入企业名称、统一社会信用代码等企业信息；
[0003]但是现有技术中的营业执照企业信息提取方法，还存在许多不足之处，比如，针对营业执照企业信息提取，仅仅利用OCR识别技术提取文字缺乏针对性。OCR技术通常会直接提取目标的全部文字信息，需要再进一步利用人工筛选，也需要大量的人力成本，因此需要，一种基于OCR识别技术的营业执照企业信息提取方法，来解决上述问题。
技术实现思路
[0004]本专利技术的目的在于提供一种基于OCR识别技术的营业执照企业信息提取方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于OCR识别技术的营业执照企业信息提取方法，包括以下步骤：S1图像数据准备、S2图像数据预处理、S3营业执照信息版面划分、S4数据计算、S5划分综合概率和S6划分最终概率；
[0006]步骤S1图像数据准备包括以下步骤：
[0007]S11：选取准备，可以利用高拍仪、手机或者其他摄像社保采集营业执照图像数据；
[0008]S12：数据储存，将采集的营业执照图像保存，并传输至OCR识别设备内；
[0009]步骤S2图像数据预处理包括以下步骤：
[0010]S21：图像过滤，进行识别的营业执照图像应当清晰，无噪点或少噪点，关键信息无遮挡；
[0011]S22：图像修正，对营业执照图像数据进行图像噪声过滤、图像校正等；
[0012]S23：统一格式，经过修正后的图像，进行统一图像尺寸格式；
[0013]步骤S3营业执照信息版面划分包括以下步骤：
[0014]S31：版面划分，将营业执照信息版面分为标题、所需字段、其他字段等三大部分；
[0015]S32：等距划分，原始大小状态下将营业执照图像进行3
×
3等距划分，获取9个子区域的位置坐标范围，以该9个子区域为营业执照图像版面区域划分；
[0016]S33：水平划分，将等距划分后的图像以3列进行划分，垂直方向从10
‑
30行进行随机筛选进行划分；
[0017]S34：文本识别，利用OCR识别技术提取营业执照图像全部文本内容，并获取文本内容坐标信息；
[0018]步骤S4数据计算包括以下步骤：
[0019]S41：判定分布，针对步骤S33得到结果，判定步骤S34获取所有文本内容落入网格子区域的分布情况，计算每个文本内容落入每个网格子区域的面积比；
[0020]S42：面积计算，假定文本分布为等概率情况，以面积比作为文本内容属于相应网格子区域的概率值；
[0021]S43：计算概率，经步骤S42得到所有文本内容属于所有网格子区域的概率值；
[0022]步骤S5划分综合概率包括以下步骤：
[0023]S51：随机筛选，针对步骤S33，从10
‑
30行进行再随机筛选进行划分，重复步骤5
‑
8，得到新的一组所有文本内容属于营业执照图像版面区域划分9个子区域的概率值；
[0024]S52：区域概率，到5
‑
10组所有文本属于营业执照图像版面区域划分9个子区域的概率值；
[0025]S53：综合概率，利用熵权系数法综合确定所有文本属于营业执照图像版面区域划分9个子区域的综合概率值；
[0026]步骤S6划分最终概率包括以下步骤：
[0027]S61：区域划分，从重复实验结果中，筛选出检测出现频率超过85％的文本内容，并将其多次得到属于营业执照图像版面区域划分9个子区域的综合概率值；
[0028]S62：版面数据确定，对区域版面进行综合计算，得到该文本内容属于营业执照图像版面区域划分9个子区域的最终概率值。
[0029]优选的，还包括步骤S7信息确定，确定经过步骤S62后计算的版面数据。
[0030]优选的，步骤S7信息确定具体操作为：
[0031]S71：划分匹配，将筛选出的文本内容和步骤S3的进行版面划分进行匹配。
[0032]优选的，以步骤S5的结果，结合步骤S3的结果，计算一组所有文本内容属于营业执照图像版面区域划分9个子区域的概率值。
[0033]优选的，步骤S33，水平方向划分为3列，垂直方向从10
‑
30数值随机筛选：17，将图像分别以17
×
3进行网格划分，得到51个网格子区域。
[0034]优选的，步骤S33，划分后，获取对应划分网格子区域的位置范围，以及对应划分网格子区域落入营业执照图像版面区域划分9个子区域的分布情况，计算每个网格子区域落入营业执照图像版面区域划分9个子区域的面积比，如果网格子区域没有落入到某个营业执照图像版面子区域，则判定其网格子区域在该营业执照图像版面子区域的面积比为0。
[0035]优选的，步骤53中还包括：
[0036]S531：检测文本，在1
‑
5直接随机筛选值，例如2.5，将图像放大2.5倍，从步骤S3开始到步骤S5，得到新一组检测文本属于营业执照图像版面区域划分9个子区域的综合概率值。
[0037]优选的，步骤S42中，利用熵权系数法进行综合计算，得到该文本内容属于营业执照图像版面区域划分9个子区域的最终概率值。
[0038]优选的，步骤S42中，利用熵值系数法进行综合计算，得到该文本内容属于营业执照图像版面区域划分9个子区域的最终概率值。
[0039]优选的，经过步骤S7后，匹配后，最终确定相应营业执照的信息，并进行归类，得到所需的企业信息，保存提取的企业信息结果。
[0040]与现有技术相比，本方案设计了一种基于OCR识别技术的营业执照企业信息提取方法，具有下述有益效果：
[0041](1)该提取方法，降低人力成本，提高企业信息录入效率；
[0042](2)该提取方法，针对企业营业执照信息提取这一场景，为企业信息录入工作提供一种快速准确信息化录入方法；
[0043](3)该提取方法，完全智能化，中间过程不需要人工进行干预，自动提取所需的企业信息；
[0044](4)该提取方法，简单快捷，本方法实现简单，可以广泛的应用于各类办公场景。
附图说明
[0045]图1为本专利技术的技术流程图。
具体实施方式
[0046]下面对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于OCR识别技术的营业执照企业信息提取方法，其特征在于：包括以下步骤：S1图像数据准备、S2图像数据预处理、S3营业执照信息版面划分、S4数据计算、S5划分综合概率和S6划分最终概率；步骤S1图像数据准备包括以下步骤：S11：选取准备，可以利用高拍仪、手机或者其他摄像社保采集营业执照图像数据；S12：数据储存，将采集的营业执照图像保存，并传输至OCR识别设备内；步骤S2图像数据预处理包括以下步骤：S21：图像过滤，进行识别的营业执照图像应当清晰，无噪点或少噪点，关键信息无遮挡；S22：图像修正，对营业执照图像数据进行图像噪声过滤、图像校正等；S23：统一格式，经过修正后的图像，进行统一图像尺寸格式；步骤S3营业执照信息版面划分包括以下步骤：S31：版面划分，将营业执照信息版面分为标题、所需字段、其他字段等三大部分；S32：等距划分，原始大小状态下将营业执照图像进行3
×
3等距划分，获取9个子区域的位置坐标范围，以该9个子区域为营业执照图像版面区域划分；S33：水平划分，将等距划分后的图像以3列进行划分，垂直方向从10
‑
30行进行随机筛选进行划分；S34：文本识别，利用OCR识别技术提取营业执照图像全部文本内容，并获取文本内容坐标信息；步骤S4数据计算包括以下步骤：S41：判定分布，针对步骤S33得到结果，判定步骤S34获取所有文本内容落入网格子区域的分布情况，计算每个文本内容落入每个网格子区域的面积比；S42：面积计算，假定文本分布为等概率情况，以面积比作为文本内容属于相应网格子区域的概率值；S43：计算概率，经步骤S42得到所有文本内容属于所有网格子区域的概率值；步骤S5划分综合概率包括以下步骤：S51：随机筛选，针对步骤S33，从10
‑
30行进行再随机筛选进行划分，重复步骤5
‑
8，得到新的一组所有文本内容属于营业执照图像版面区域划分9个子区域的概率值；S52：区域概率，到5
‑
10组所有文本属于营业执照图像版面区域划分9个子区域的概率值；S53：综合概率，利用熵权系数法综合确定所有文本属于营业执照图像版面区域划分9个子区域的综合概率值；步骤S6划分最终概率包括以下步骤：S61：区域划分，从重复实验结果中，筛选出检测出现频率超过85％的文本内容，并将其多次得到属于营业执照图像版面区域划分9个子区域的综合概率值；S62：版面数据确定，对区域版面进行综合计算，得到该文本内...
【专利技术属性】
技术研发人员：李爽，杨玉东，刘占柱，韩锋，赵爽，桂东旭，苏恒强，
申请(专利权)人：长春市万易科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。