一种利用web方式进行OCR图文识别检索方法和系统的制作方法
技术领域：
本发明涉及图文识别技术领域，特别是涉及一种OCR (Optical Character Recognition,光学字符识别)图文识别检索方法和系统。
背景技术：
检索是指信息按一定的方式组织起来，并根据信息用户的需要找 出有关的信息的过程和技术，即从信息集合中找出所需要的信息的过 程。
由于对图像文件中的文字不能进行很好地识别，所以对不可随意 编辑的图文格式的检索存在很大的困难，这使管理机构面对不同内容 的图像格式，显得那么无所适从，不得不花费大量人力、物力，用人 工方式重新整理、录入、归类，然后才能统一成某种文本格式再检索。
发明内容
本发明实施例要解决的问题是提供一种利用web方式进行OCR 图文识别检索方法和系统，以克服现有技术中很难对不可随意编辑的 图文格式进行检索的缺陷。
为达到上述目的，本发明实施例的技术方案提供一种利用web 方式进行OCR图文识别检索方法，所述方法包括以下步骤A.获 取待识别图文中的文字及图片信息；B.将所述文字及图片信息存储 在OCR数据库中；C.按照关键词，在所述OCR数据库中进行全文 检索。
其中，步骤A具体包括Al.获取待识别图文；A2.对所述图文 进行版面分析；A3.对所述图文进行OCR识别，获取所述图文中的 文字及图片信息。
其中，在步骤A之后，还包括D.对所述文字信息进行校对。其中，步骤D具体包括Dl.对所述文字信息进行横向校对； D2.对所述文字信息进行纵向校对。
其中，在步骤B之前，还包括E.将所述文字及图片信息导出 到可编辑、复制或引用的文本格式文件。
本发明实施例的技术方案还提供一种OCR图文识别检索系统， 所述系统包括图文信息获取单元，用于获取待识别图文中的文字及 图片信息；OCR数据库，用于存储所述文字及图片信息；检索单元， 用于按照关键词，在所述OCR数据库中进行全文检索。
其中，所述文字信息获取单元包括图文获取子单元，用于获取 待识别图文；版面分析子单元，用于对所述图文进行版面分析；图文 识别子单元，用于对所述图文进行OCR识别，获取所述图文中的文 字信息。
其中，所述图文获取子单元为具备拍摄或扫描功能的设备。 其中，所述图文获取子单元为扫描仪、数码相机、 一体化机或拍 照手机。
其中，所述系统还包括校对单元，用于对所述文字信息进行横向 校对和纵向校对。
与现有技术相比，本发明的技术方案具有如下优点 本发明实施例利用OCR图文识别技术，将其高效识别，导出可 编辑的文本格式，再利用全文检索技术，通过输入嵌入在图片资料里 的文字，即可方便高效地检索出所需要的信息资源。
图l是本发明实施例的一种利用web方式进行OCR图文识别检索 方法的流程图2是本发明实施例的另 一 种利用web方式进行OCR图文识别检 索方法的流程图3是本发明实施例的另一种利用web方式进行OCR图文识别检索方法的流程图
图4是本发明实施例的另一种利用web方式进行OCR图文识别检 索方法的流程图
图5是本发明实施例的一种利用web方式进行OCR图文识别检索 系统的结构图。
具体实施例方式
下面结合附图和实施例，对本发明的具体实施方式
作进一步详细
描述。以下实施例用于说明本发明，但不用来限制本发明的范围。 实施例一
本发明实施例的 一 种利用web方式进行OCR图文识别检索方法 如图l所示，包括以下步骤
步骤sl01，获取待识别图文。本实施例通过扫描仪、数码相机、 一体化机、拍照手机等任何具备拍摄、扫描功能的设备获取待识别图文。
步骤sl02，对所述图文进行版面分析。
步骤sl03,对所述图文进行OCR识别，获取所述图文中的文字及 图片信息。
步骤sl04,将所述文字及图片信息存储在OCR数据库中。 步骤sl05,按照关键词，在所述OCR数据库中进行全文检索。本
实施例利用全文检索技术，通过输入嵌入在图片资料里的文字，即可
方便高效的检索出所需要的信息资源。
实施例二
本发明实施例的 一 种利用web方式进行OCR图文识别检索方法 如图2所示，包括以下步骤
步骤s201，获取待识别图文。本实施例通过扫描仪、数码相机、 一体化机、拍照手机等任何具备拍摄、扫描功能的设备获取待识别图 文。
6步骤s202,对所述图文进行版面分析。
步骤s203，对所述图文进行OCR识别，获取所述图文中的文字及 图片信息。
步骤s204,对所述文字信息进行校对。本实施例对复杂版面进行
自动分析，智能分析各种混排格式的文本，针对识别文件实行横向和
纵向全面校队，无需过多人工干预。
步骤s205，将所述文字及图片信息存储在OCR数据库中。 步骤s206，按照关键词，在所述OCR数据库中进行全文检索。本
实施例利用全文检索技术，通过输入嵌入在图片资料里的文字，即可
方便高效的检索出所需要的信息资源。
实施例三
本发明实施例的 一 种利用web方式进行OCR图文识别检索方法 如图3所示，包括以下步骤
步骤s301，获取待识别图文。本实施例通过扫描仪、数码相机、 一体化机、拍照手机等任何具备拍摄、扫描功能的设备获取待识别图 文。
步骤s302,对所述图文进行版面分析。
步骤s303，对所述图文进行OCR识别，获取所述图文中的文字及 图片信息。
步骤s304，将所述文字及图片信息导出到可编辑、复制或引用的 文本格式文件。本实施例中，所述文本格式文件包括word、 rtf等多种 可编辑、复制和引用的文本格式文件。
步骤s305，将所述文字信息存储在OCR数据库中。
步骤s306，按照关键词，在所述OCR数据库中进行全文检索。本
实施例利用全文检索技术，通过输入嵌入在图片资料里的文字，即可
方便高效的检索出所需要的信息资源。
实施例四
7本发明实施例的 一 种利用web方式进行OCR图文识别检索方法 如图4所示，包括以下步骤
步骤s401，获取待识别图文。本实施例通过扫描仪、数码相机、 一体化机、拍照手机等任何具备拍摄、扫描功能的设备获取待识别图 文。
步骤s402，对所述图文进行版面分析。
步骤s403，对所述图文进行OCR识别，获取所述图文中的文字及 图片信息。
步骤s404，对所述文字信息进行校对。本实施例对复杂版面进行 自动分析，智能分析各种混排格式的文本，针对识别文件实行横向和 纵向全面校队，无需过多人工干预。
步骤s405，将所述文字及图片信息导出到可编辑、复制或引用的
文本格式文件。本实施例中，所述文本格式文件包括word、 rtf等多种
可编辑、复制和引用的文本格式文件。
步骤s406，将所述文字及图片信息存储在OCR数据库中。 步骤s407，按照关键词，在所述OCR数据库中进行全文检索。本
实施例利用全文检索技术，通过输入嵌入在图片资料里的文字，即可
方便高效的检索出所需要的信息资源。
本发明实施例的 一种利用web方式进行OCR图文识别检索系统 如图5所示，包括图文信息获取单元、校对单元、OCR数据库和检 索单元。其中，校对单元分别与图文信息获取单元和OCR数据库连 接，检索单元与OCR数据库连接。
图文信息获取单元用于获取待识别图文中的文字及图片信息；校 对单元用于对所述文字信息进行横向校对和纵向校对；OCR数据库 用于存储所述文字及图片信息；检索单元用于按照关键词，在所述 OCR数据库中进行全文检索。
图文信息获取单元包括图文获取子单元、版面分析子单元和图文识别子单元，其中版面分析子单元分别与图文获取子单元和图文识别 子单元连接。
图文获取子单元为具备拍摄或扫描功能的设备，用于获取待识别 图文，可以是扫描仪、数码相机、 一体化机或拍照手机等；版面分析
子单元用于对所述图文进行版面分析；图文识别子单元用于对所述图
文进行OCR识别，获取所述图文中的文字及图片信息。
本发明将不可随意编辑的图文格式资料，依托OCR研发技术的 优势，将其随意导出到指定的word、 rtf等多种可编辑、复制和引用 的文本格式文件，经处理后可将图像文字存储于数据库中，便于大量 文档的存储、管理、共享、传输和检索。本发明识别准确率高，鲁棒 性强，无缝整合了版面分析、图像识别、智能识别和全文检索的全过 程。本发明可以通过扫描仪、数码相机、 一体化机、拍照手机等任何 具备拍摄、扫描功能的设备，随时随地的对图像文件中的图文进行 OCR识别，现有的OCR产品都是软硬件结合在一起的，而本发明摆 脱了硬件的束缚，实现了单一软件和多种硬件的随意结合，充分利用 现有的设备，完成繁瑣的录入、整理及后期的文档共享及检索工作。 本发明利用OCR图文识别技术，将其高效识别，导出可编辑的 word、 rtf等文本格式，再利用全文检索技术，通过输入嵌入在图片 资料里的文字，即可方便高效的检索出所需要的信息资源，从而能够 快捷、高效、精准的完成对图像格式的智能识别，充分满足了管理人 员、办公人员等不同需求的录入工作，为其节省了大量的时间，提高 了效率。
本发明对于复杂版面可以进行自动分析，智能分析各种混排格式 的文本，针对识别文件实行横向和竖向全面校队，无需过多人工干预。 而且，本发明可以进行版面还原，精确保留了原版面格式，准确恢复 文本原貌。本发明具有强大的公文处理能力，能够准确再现公文原貌。 本发明实现了单一软件和多种硬件的随意结合，充分利用现有的设备，完成繁瑣的录入、整理工作。本发明利用全文检索技术，输入嵌入在图片资料里的文字信息，即可快捷、高效的查找到所需要的图文资料
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
权利要求
1、一种利用web方式进行OCR图文识别检索方法，其特征在于，所述方法包括以下步骤A. 获取待识别图文中的文字信息；B. 将所述文字及图片信息存储在OCR数据库中；C. 按照关键词，在所述OCR数据库中进行全文检索。
2、 如权利要求l所述的OCR图文识别检索方法，其特征在于， 步骤A具体包括Al.获取待识别图文；A2.对所述图文进行版面分析；A3.对所述图文进行OCR识别，获取所述图文中的文字及图片乂士自 1吕W、。
3、 如权利要求1所述的利用web方式进行OCR图文识别检索 方法，其特征在于，在步骤A之后，还包括D. 对所述文字信息进行校对。
4、 如权利要求3所述的OCR阁文识别检索方法，其特征在于， 步骤D具体包括Dl.对所述文字信息进行横向校对； D2.对所述文字信息进行纵向校对。
5、 如权利要求l所述的OCR图文识别检索方法，其特征在于， 在步骤B之前，还包括E. 将所述文字及图片信息导出到可编辑、复制或引用的文本格 式文件。
6、 一种OCR图文识别检索系统，其特征在于，所述系统包括 图文信息获取单元，用于获取待识别图文中的文字及图片信息； OCR数据库，用于存储所述文字信息；检索单元，用于按照关键词，在所述OCR数据库中进行全文检索。
7、 如权利要求6所述的OCR图文识别检索系统，其特征在于，所述文字信息获取单元包括图文获取子单元，用于获取待识别图文；版面分析子单元，用于对所述图文进行版面分析；图文识别子单元，用于对所述图文进行OCR识别，获取所述图文中的文字及图片信息。
8、 如权利要求7所述的OCR图文识别检索系统，其特征在于，所述图文获取子单元为具备拍摄或扫描功能的设备。
9、 如权利要求8所述的OCR图文识别检索系统，其特征在于，所述图文获取子单元为扫描仪、数码相机、 一体化机或拍照手机。
10、 如权利要求6所述的OCR图文识别检索系统，其特征在于,所述系统还包括校对单元，用于对所述文字信息进行横向校对和纵向校对。
全文摘要
本发明公开了一种利用web方式进行OCR图文识别检索方法，所述方法包括以下步骤获取待识别图文中的文字及图片信息；将所述文字及图片信息存储在OCR数据库中；按照关键词，在所述OCR数据库中进行全文检索。本发明还公开了一种OCR图文识别检索系统，所述系统包括图文信息获取单元、OCR数据库和检索单元。本发明利用OCR图文识别技术，将其高效识别，导出可编辑的文本格式，再利用全文检索技术，通过输入嵌入在图片资料里的文字，即可方便高效地检索出所需要的信息资源。
文档编号G06F17/30GK101464903SQ20091007615
公开日2009年6月24日 申请日期2009年1月9日 优先权日2009年1月9日
发明者辉 凌, 黄惠良 申请人:江阴明伦科技有限公司
文档序号 :
【 6483577 】
技术研发人员：黄惠良,凌辉
技术所有人：江阴明伦科技有限公司
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：黄惠良,凌辉
技术所有人：江阴明伦科技有限公司
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除