中文名片识别系统.pdfVIP

第23卷第1期 成都信息工程学院学报 V01．23No．1 UNIVERSITYINFORMATIONTECHNOLOGY 2008年2月 JOURNALOFCHENGDU OF Eeb．2008 文章编号：1671—1742(2008)01，0021—04 中文名片识别系统 杨玉科， 何小海， 吴 炜， 徐锐义’ (四川大学电子信息学院图像信息研究所，四川成都610064) 摘要：在实际的商务活动中，名片已经作为一个重要的身份信息载体，使用频繁。然而随着名片数量的增多， 管理越来越麻烦。在实际应用中，研究名片识别的方法，介绍一个独立自主开发的中文商务名片识别系统。该系 统首先结合实际中的一些具体问题对名片图像进行预处理；然后在传统版面分析技术的基础上针对版面的特点进 行版面分析；最后在对分割区域的字符进行识别之后，根据识别结果中的语义和版面分析得到的位置信息对识别 结果进行基于知识规则的理解，从而实现了名片的识别。整个系统在实际应用中表现出良好的性能。 关键词：中文名片；识别系统；字符识别；版面分析；识别引擎 中图分类号：TN317．4 文献标识码：A 1 引言 中文商务名片包含了很多信息，一个中文商务名片识别系统可以帮助处理这些信息。但是，由于字体的多样 性和中文汉字的复杂性，使汉字的识别变得非常困难。在以往的文献中提出了许多文字识别的方法，例如，基于 笔划特征的识别方法…，基于外围特征的识别方法㈦2。这些方法都取得了不错的效果，但是由于名片的特殊性， 名片的印刷质量不好，名片中的字符包含一些噪声，使得提取笔划特征变得十分困难。名片中一些文字存在变 形、倾斜，外围特征对这些都非常敏感，因此在名片识别中也不能取得很好的效果。Gabor函数在图像纹理分析 虑到名片中存在一些中英文数字混合编排的情况，提出了一种基于识别结果的中文数字分割算法，取得了不错的 效果。 如果简单地将识别结果保存起来是没有实用价值的，还需要对识别结果进行分类处理。目前信息理解的方 法有很多，比较常用的是模版匹配的方法【4J，该方法将信息项在名片中的位置和信息的分类联系起来，但是由于 名片种类的多样性，很难保证高识别率。文中提出了一种基于位置关系和识别结果的理解方法，对不同种类的名 片都有很好的适应性。 。 2字符切分 这里主要研究版面分析以后的处理过程。对于版面分析输出的文字行，首先需要进行字符切分。汉字和英 文分别采用不同的切分方法。汉字是由笔划部件构成的方块字，字与字之间在垂直方向上有间隙。可以简单的 用投影的方法将有间隙的部件分离出来。汉字的长宽比一般为1：1，根据这个条件可以对分离出来的部件进行 合并处理，最后得到单个的切分字符(如图1所示)。对于英文部分，由于英文不存在左右需要合并的部分，但是 存在象“fo”这种上下重叠但中间存在空隙的情况，系统采用基于连通域的切分方法，将上下重叠但中间存在空隙 的英文字符切分开来，最后再根据上下关系对象“i”这种字符进行上下合并得到正确的切分字符，切分效果如图1 所示。 3字符识别 系统的识别部分包括中文识别引擎和英文识别引擎。考虑到笔划宽度多峰值，笔划多方向的特点，利用Gabor 收稿日期：2007．08—13；修订日期：2007．09．11 万方数据 成都信息工程学 院学报 第23卷 图1字符切分 小波的多分辨率特性，对中英文图像均进行多尺度多方向分析，提取多个子平面的滤波器输出系数作为统计特 征，实现字符图像的高性能识别。 ， 选择的Gabor核函数如式(1)所示： 一2 G(x，Y，s，f)=Gl(z，y)sin(R)+iGl(z，y)[COS(R)一P专](1)