一种基于OCR图像识别的档案管理系统技术方案

本发明专利技术公开了一种基于OCR图像识别的档案管理系统，属于图像处理技术领域，具体包括：图像处理模块，用于对档案图像进行采集，并对所述档案图像进行预处理；字符分割模块，用于将文字区域分割为若干字符区域，检测每个字符区域的宽高比值，将宽高比值大于阈值的字符区域进行再切割，得到待处理字符区域；字符合并模块，用于筛选宽度低于正常宽度区间下限的待处理字符区域，并进行字符区域合并；文本识别模块，用于对字符区域进行文字识别，得到识别文本，对识别文本进行自然语言处理，得到校正档案文档；本发明专利技术通过对字符区域进行了多重处理和校正，提高了后续文字识别的准确度，实现了对格式不规范档案中的字符的准确切割。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体涉及一种基于ocr图像识别的档案管理系统。

技术介绍

1、目前，对于档案进行数字化处理，已经成为档案工作中的重中之重，对于纸质档案进行扫描将其作为以图像形式存在的文件。但是这种文本文件并不是真正意义上的文本文件，无法对文件内容进行翻译、搜索、提取信息，而是仅仅作为原版纸质文档的影像化存储，不能为快速进行文本数据的分类，内容管理提供数据支持。

2、ocr（optical character recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

3、因此，ocr识别技术被广泛应用于档案文本数据的识别中，但仍然存在一些问题，ocr系统通常过度依赖于字符切分的结果，但是对于一些格式不太规范的档案，如手写档案或者早期印刷档案，存在字符粘连、本文档来自技高网...

【技术保护点】

1.一种基于OCR图像识别的档案管理系统，其特征在于，包括：

2.根据权利要求1所述的一种基于OCR图像识别的档案管理系统，其特征在于，所述图像处理模块中，对所述档案图像进行预处理过程为：

3.根据权利要求2所述的一种基于OCR图像识别的档案管理系统，其特征在于，所述字符分割模块中，将文字区域分割为若干字符区域过程为：

4.根据权利要求1所述的一种基于OCR图像识别的档案管理系统，其特征在于，所述字符分割模块中，得到正常宽度区间[A,B]的过程为：

5.根据权利要求1所述的一种基于OCR图像识别的档案管理系统，其特征在于，所述字符分割模块中...

【技术特征摘要】

1.一种基于ocr图像识别的档案管理系统，其特征在于，包括：

2.根据权利要求1所述的一种基于ocr图像识别的档案管理系统，其特征在于，所述图像处理模块中，对所述档案图像进行预处理过程为：

3.根据权利要求2所述的一种基于ocr图像识别的档案管理系统，其特征在于，所述字符分割模块中，将文字区域分割为若干字符区域过程为：

4.根据权利要求1所述的一种基于ocr图像识别的档案管理系统，其特征在于，所述字符分割模块中，得到正常宽度区间[a,b]的过程为：

5.根据权利要求1所...

【专利技术属性】
技术研发人员：高肇冬，虞军平，花成山，刘学超，顾鑫，陈一飞，
申请(专利权)人：北京朗杰科技有限公司，
类型：发明
国别省市：