CN101140617A - 电子设备及其文本录入的方法 - Google Patents

Abstract

本发明公开了一种电子设备，包括：图像采集模块，用于采集待录入的文本图像；数据库模块，至少存储有欲识别的字集文字的特征数据库；中央处理模块，根据数据库模块存储的特征数据库，利用对比识别算法将图像采集模块采集到的文本图像转化成文本格式。相应地，本发明还公开了一种电子设备中文本录入的方法。根据本发明的一种电子设备及其文本录入方法，可以通过录像录入的方式，将待录入文本输入电子设备并转化为文本格式，提高文本输入效率。

Description

电子设备及其文本录入的方法

技术领域

本发明涉及电子产品领域，尤其涉及一种电子设备及其文本录入的方法。

背景技术

目前电子设备的文本录入方式，一般是通过键盘或手写笔等人工方式实现，如：当电子词典用户在阅读书面文本遇到需要查询的单词时，需要通过键盘或者手写笔将单词逐个输入到电子词典，才能达到查询目的。这种键盘或手写笔等方式录入文字或文本相当繁琐、麻烦，同时，过度的使用键盘或手写笔，很容易导致键盘或手写笔及输入屏的损坏，从而降低了电子词典的寿命。另外，键盘输入范围较窄，仅可通过特定的方法用特定的操作才能输入，比如***语对于外国人就难以完成正确输入，因为***语，它的字符存在四种变换方式，键盘上是基本形态，但当输入后它会随前一个字符而变换形态，形成连成一片的文字，对于我们非***人来说，照着样本都不知道怎么输入。另一种录入方式是通过语音录入，但这种方式并不成熟，易受环境背景噪声的干扰，同时，还会受方言、语调、语速及词汇量的影响，目前无法在电子产品中使用。

发明内容

本发明实施例的目的在于提供一种电子设备及其文本录入的方法，可通过摄像录入的方式，将待录入文本输入电子设备并转化为文本格式，以备用户使用。

一方面，本发明实施例提出了一种电子设备文本录入的方法，其包括：

通过录像采集待录入的文本图像；

将采集得到的连续文本图像序列组合成静态文本图像；

利用对比识别算法将所述静态文本图像转化成文本格式，所述对比识别算法包括：欧氏空间的对比方法、松弛比对法、动态程序比对法、类神经网络的数据库建立及比对、隐马尔可夫模型(Hidden Markov Model，HMM)及专家***法。

其中，所述利用对比识别算法将所述静态文本图像转换成文本格式的步骤

具体包括：

对所述静态文本图像进行影像处理，所述影像处理包括：图像正规化处理、噪声去除处理、影像矫正处理。

对经过所述影像处理后的静态文本图像进行版面分析及识别处理；

将经过所述版面分析及识别处理后的静态文本图像切割成单个字符图像并提取所述单个字符图像的文字特征(如：统计特征和结构特征)；

利用对比识别算法根据所述单个字符图像的文字特征，将所述单个字符图像转化成文本格式

优选地，所述版面分析具体包括：

对所述静态文本图像进行总体分析，区分出文本段落、排版顺序以及图像和表格的区域；

对需要识别的区域进行定位和标识。

优选地，将经过所述版面分析及识别处理后的静态文本图像切割成单个字符图像具体为：

通过页面切分将所述静态文本图像的页面切分成一个一个的文字段落；

通过行行切分将所述文字段落切分成一个一个的图像行；

从所述图像行中分离出单个字符图像，并擦除图像块，保留文字块。

另一方面，本发明实施例提出了一种电子设备，包括：

图像采集模块，用于通过录像采集待录入的文本图像；

数据库模块，至少存储有欲识别的字集文字的特征数据库；

中央处理模块，根据数据库模块存储的特征数据库，利用对比识别算法将图像采集模块采集到的文本图像转化成文本格式。

其中，所述图像采集模块包括：

图像输入单元，用于通过录像的方式将待输入的文本转换成文本图像；

图像处理单元，用于将图像输入单元连续录入的文本图像形成图像序列。

其中，所述中央处理单元包括：

静态图像生成单元，用于将所述图像采集模块采集到的文本图像序列组合成静态文本图像；

格式转化单元，利用对比识别算法将所述静态文本图像转化成文本格式。

较佳地，所述中央处理单元还可以包括一缓存单元，用于保存图像采集模块采集的文本图像序列，供静态图像生成单元处理。

优选地，所述格式转化单元包括：

图像预处理单元，用于对静态图像生成单元组合得到的静态文本图像进行影像处理(如：图像正规化处理、噪声去除处理、影像矫正处理等)；

图像定位单元，用于对经图像预处理单元处理后的静态文本图像进行版面分析及识别处理；

图像切分单元，用于将经图像定位单元处理后的静态文本图像切割成单个字符图像；

对比识别单元，利用对比识别算法将图像切分单元切割得到的单个字符图像转化成文本格式。

优选地，所述格式转化单元进一步包括一字词后处理单元，用于对所述对比识别单元转化得到的文本文字进行校正处理。

其中，所述对比识别单元包括：

文字特征提取单元，用于提取所述图像切分单元切割得到的单个字符图像的文字特征；

文字抽取单元，根据所述单个字符图像的文字特征，从所述数据库模块存储的特征数据库中抽取与所述单个字符图像具有相同文字特征的特征群组；

对比单元，根据对比识别算法从所述特征群组中查找与所述单个字符图像相对应的字符。

在本发明实施例中，所述电子设备进一步可以包括一输出模块，将所述中央处理单元转化得到的文本输出。

所述对比识别算法包括：欧氏空间的对比方法、松弛比对法、动态程序比对法、类神经网络的数据库建立及比对、HMM及专家***法。

由上述可知，本发明实施例提拱的一种电子设备及其文本录入方法通过将采集得到的连续文本图像组合成静态文本图像，然后通过对比识别算法将其转化成文本格式，简化了电子设备文本录入工作，提高了文本录入效率，弥补了键盘输入范围窄的不足，提高了电子设备的使用寿命。

附图说明

图1是本发明实施例提供的一种电子设备的结构示意图；

图2是图1所述的图像采集模块的结构示意图；

图3是图1所述的中央处理单元的结构示意图；

图4是图3所述的格式转化单元的结构示意图；

图5是图4所述的对比识别单元的结构示意图；

图6是本发明实施例提供的一种电子设备中文本录入的方法的流程图；

图7是图6所述方法中步骤S3的具体流程图。

具体实施方式

本发明实施例提供的一种电子设备及其文本录入方法通过录入文本图像，将文本图像转化成文本格式实现文本录入。

下面将结合附图详细阐述本发明实施例的技术方案。

参考图1，图示了本发明实施例的一种电子设备的结构，所述电子设备包括：

图像采集模块1，用于通过录像(或摄像)方式采集待录入的文本图像；

数据库模块2，提供文字图像完全特征数据库，所述完全特征数据库至少包括欲识别的字集文字；

中央处理模块3，根据数据库模块2存储的特征数据库，利用对比识别算法将图像采集模块1采集到的文本图像转化成文本格式；

输出模块4，用于将中央处理模块3转化得到的文本格式按照预定要求的格式输出，将信息提供给用户。

其中，如图2所示，图1所述的图像采集模块1包括：

图像输入单元11，用于将待输入的文本转换成文本图像，具体实现时，根据图像识别(OCR)技术，采用高分辨率的摄像头来获取高像素的图片，使其更加符合图像识别的需要，因此，所述图像输入单元11可以是高分辨率的摄像头；而对于低分辨率的摄像头在较小范围内取得的图片和高分辨率的摄像头在大范围内取得图片中相同部分相比，二者的像素相差无几，甚至低分辨率的摄像头取得的图片像素更高一些，因此，所述图像输入单元11也可以采用低分辨率的摄像头来录取较小范围的图像；

图像处理单元12，用于将图像输入单元11连续录入的文本图像形成图像序列。

其中，如图3所示，图1所述的中央处理单元3包括：

静态图像生成单元31，用于将所述图像采集模块1采集到的文本图像序列组合成静态文本图像，这样由图像序列组合成的一张静态图像的像素比拍照获得的图像的像素更高，便于后续的对比识别处理；

格式转化单元32，利用对比识别算法将所述静态文本图像转化成文本格式。

较佳地，所述中央处理单元3可以进一步包括一缓存单元33，用于缓存用于保存图像采集模块1采集的文本图像序列，供静态图像生成单元31处理。

在具体实现时，如图4所示，图3所述的格式转化单元32包括：

图像预处理单元321，用于对静态图像生成单元31组合得到的静态文本图像进行影像处理，包括：图像正规化处理、噪声去除处理、影像矫正处理等，以及图文分析、文字行与字分离的文件前处理；

图像定位单元322，用于对经图像预处理单元321处理后的静态文本图像进行版面分析，区分出文本段落及排版顺序，图像、表格的区域；对于文本区域将进行识别处理，对于表格区域进行专用的表格分析及识别处理，对于图像区域进行压缩或简单存储。并对经过版面分析后，需要识别的区域进行定位、标识。

图像切分单元323，用于将经图像定位单元322处理后的静态文本图像切割成单个字符图像，具体为：将所述静态文本图像进行页面切分，把页面分割成一个一个的文字段落，然后进行行行切分，切割成一个一个图像行，最后从所述图像行中分离出单个字符，擦除图形块，保留文字块，以减少图形干扰，加快处理速度。

对比识别单元324，利用对比识别算法将图像切分单元切割得到的单个字符图像转化成文本格式。

字词后处理单元325，用于对对比识别单元324转化得到的文本文字进行校正处理。

在具体实现时，如图5所示，所述对比识别单元324包括：

文字特征提取单元51，用于提取所述图像切分单元323切割得到的单个字符图像的文字特征，包括：统计特征、结构特征；其中，统计特征，如：文字区域内的黑/白点数比。当文字区分成好几个区域时，这一个个区域黑/白点数比之联合，就成了空间的一个数值向量，用于与特征数据库进行比对，在比对时，可以利用基本的数学理论实现。其中，结构特征，如：文字影像细线化后，取得字的笔划端点，交叉点的数量及位置，或以笔划段为特征，或进行各自组合，然后进行比对。

文字抽取单元52，根据所述单个字符图像的文字特征，从所述数据库模块2存储的特征数据库中抽取与所述单个字符图像具有相同文字特征的特征群组；

对比单元53，根据对比识别算法从所述特征群组中查找与所述单个字符图像相对应的字符；

值得说明的是，本发明实施例提供的电子设备可以是电子词典、学习机、掌上电脑、手机、数码相机、GPS(Global Position System，全球定位***)设备等智能便携设备。

在本发明实施例中，所述对比识别算法包括：欧氏空间的对比方法、松弛比对法、动态程序比对法、类神经网络的数据库建立及比对、隐马尔可夫模型(Hidden Markov Model，HMM)及专家***法等。

上面具体阐述了本发明实施例的一种电子设备的技术方案，下面将结合图6、图7详细介绍本发明实施例的一种电子设备中文本录入的方法的技术方案。

如图6所示，一种电子设备中文本录入的方法，包括：

步骤S1，通过录像或摄像的方式采集待录入的文本图像；

步骤S2，将采集得到的连续文本图像序列组合成静态文本图像，具体可以使用视频序列全景图拼接技术，采用傅立叶变换的图像配准算法，求取两相邻视频帧之间的配准系数，采用线性***对配准系数进行全局化，所述全局优化是指提出所述视频序列中的部分或全部骨干图像，以减少拼接时的工作量。对于全局优化后文本的图像序列，采用启发式最优路径搜索算法寻找到图像间拼接的最佳缝合线，并使用多分辨率原理进行图像拼接后的平滑处理。

步骤S3，利用对比识别算法将所述静态文本图像转化成文本格式。

其中，如图7所示，所述步骤S3具体可以包括：

步骤S31，对所述静态文本图像进行影像处理，具体为：对所述静态文本图像进行图像正规化处理、噪声去除处理、影像矫正处理等，以及图文分析、文字行与字分离的文件前处理；

步骤S32，对经过所述影像处理后的静态文本图像进行版面分析及识别处理；

步骤S33，将经过所述版面分析及识别处理后的静态文本图像切割成单个字符图像并提取所述单个字符图像的文字特征，所述文字特征包括：统计特征、结构特征；

步骤S34，利用对比识别算法根据所述单个字符图像的文字特征，将所述单个字符图像转化成文本格式。

其中，在步骤S32中所述版面分析具体包括：

对所述静态文本图像进行总体分析，区分出文本段落、排版顺序以及图像和表格的区域；

对需要识别的区域进行定位和标识。

在具体实现时，在步骤S33中，将经过所述版面分析及识别处理后的静态文本图像切割成单个字符图像具体为：

A、通过页面切分将所述静态文本图像的页面切分成一个一个的文字段落；

B、通过行行切分将所述文字段落切分成一个一个的图像行；

C、从所述图像行中分离出单个字符图像，并擦除图像块，保留文字块。

值得说明的是，本发明实施例中，所述对比识别算法包括但不限于：欧氏空间的对比方法、松弛比对法、动态程序比对法、类神经网络的数据库建立及比对、HMM及专家***法。

其中，对比识别中除了采用上述对比识别算法外，还可以采用以下策略，使性能得到优化，以汉字文本为例(当然不限于此，还可以是其它国文字，如：***语、西班牙语等)：

根据文字特征提取所用到的复合特征，对特征数据库中的字集文字进行分类；

特征数据库中的字符集选择3755个一级汉字，字体选择最常用的宋体、仿宋体；

字号选择从小五号到一号汉字，主要针对20个点之内的小字体；

在多语种(如：汉语和英语)混排时，对比识别中汉语优先；

汉字粘连时，进行动态优化切分，识别。

值得说明的是，本发明实施例提供的电子设备可以是电子词典、学习机、掌上电脑、手机、数码相机、GPS(Global Position System，全球定位***)设备等智能便携设备。

在本发明实施例中，所述图像采集模块的图像输入单元可以采用高分辨率的摄像头实现，也可以采用低分辨率的摄像头实现。

经过实验证明，在汉、英双语同时混排的黑白图像中，识别率可达98％以上，对灰度、彩色文本图像中混排文本识别时的识别率也可达96％以上。

在实际应用中，30万像素的摄像头在特定的距离内即可获得清晰图片，不仅可以对书本中一号到小五号单子录入，而且还可以对一行或几行文本一次全部录入极大地提高了录入效率。

综上所述，本发明实施例提拱的一种电子设备及其文本录入方法通过将采集得到的连续文本图像组合成静态文本图像，然后通过对比识别算法将其转化成文本格式，简化了电子设备文本录入工作，提高了文本录入效率，避免了文本录入时频繁使用按键及输入屏，提高了电子设备的使用寿命，同时还弥补了键盘输入范围窄的缺点，如：可以通过录像将***语的文本图像录入，然后转换成文本格式。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (18)

1.一种电子设备中文本录入的方法，其特征在于，包括：

通过录像方式采集待录入的文本图像；

将采集得到的连续文本图像序列组合成静态文本图像；

利用对比识别算法将所述静态文本图像转化成文本格式。

2.如权利要求1所述的方法，其特征在于，所述利用对比识别算法将所述静态文本图像转换成文本格式的步骤具体包括：

对所述静态文本图像进行影像处理；

对经过所述影像处理后的静态文本图像进行版面分析及识别处理；

将经过所述版面分析及识别处理后的静态文本图像切割成单个字符图像并提取所述单个字符图像的文字特征；

利用对比识别算法根据所述单个字符图像的文字特征，将所述单个字符图像转化成文本格式。

3.如权利要求2所述的方法，其特征在于，

所述影像处理包括：图像正规化处理、噪声去除处理、影像矫正处理。

4.如权利要求2所述的方法，其特征在于，所述版面分析具体包括：

对所述静态文本图像区分出文本段落、排版顺序以及图像和表格的区域；

对需要识别的区域进行定位和标识。

5.如权利要求2所述的方法，其特征在于，所述文字特征包括：统计特征、结构特征。

6.如权利要求2所述的方法，其特征在于，将经过所述版面分析及识别处理后的静态文本图像切割成单个字符图像具体为：

通过页面切分将所述静态文本图像的页面切分成一个一个的文字段落；

通过行行切分将所述文字段落切分成一个一个的图像行；

从所述图像行中分离出单个字符图像，并擦除图像块，保留文字块。

7.如权利要求1至6任意一项所述的方法，其特征在于，所述对比识别算法包括：欧氏空间的对比方法、松弛比对法、动态程序比对法、类神经网络的数据库建立及比对、隐马尔可夫模型及专家***法。

8.如权利要求1至6任意一项所述的方法，其特征在于，所述电子设备包括：电子词典、掌上电脑、学习机、手机、数码相机、GPS设备。

9.一种电子设备，其特征在于，包括：

图像采集模块，用于通过录像方式采集待录入的文本图像；

数据库模块，至少存储有欲识别的字集文字的特征数据库；

中央处理模块，根据数据库模块存储的特征数据库，利用对比识别算法将图像采集模块采集到的文本图像转化成文本格式。

10.如权利要求9所述的电子设备，其特征在于，所述图像采集模块包括：

图像输入单元，用于将待输入的文本转换成文本图像；

图像处理单元，用于将图像输入单元连续录入的文本图像形成图像序列。

11.如权利要求9所述的电子设备，其特征在于，所述中央处理单元包括：

静态图像生成单元，用于将所述图像采集模块采集到的文本图像序列组合成静态文本图像；

格式转化单元，利用对比识别算法将所述静态文本图像转化成文本格式。

12.如权利要求11所述的电子设备，其特征在于，所述格式转化单元包括：

图像预处理单元，用于对静态图像生成单元组合得到的静态文本图像进行影像处理；

图像定位单元，用于对经图像预处理单元处理后的静态文本图像进行版面分析及识别处理；

图像切分单元，用于将经图像定位单元处理后的静态文本图像切割成单个字符图像；

对比识别单元，利用对比识别算法将图像切分单元切割得到的单个字符图像转化成文本格式。

13.如权利要求12所述的电子设备，其特征在于，所述对比识别单元包括：

文字特征提取单元，用于提取所述图像切分单元切割得到的单个字符图像的文字特征；

文字抽取单元，根据所述单个字符图像的文字特征，从所述数据库模块存储的特征数据库中抽取与所述单个字符图像具有相同文字特征的特征群组；

对比单元，根据对比识别算法从所述特征群组中查找与所述单个字符图像相对应的字符。

14.如权利要求13所述的电子设备，其特征在于，所述格式转化单元进一步包括：

字词后处理单元，用于对所述对比识别单元转化得到的文本文字进行校正处理。

15.如权利要求9到14任意一项所述的电子设备，其特征在于，所述电子设备进一步包括：

输出模块，将所述中央处理单元转化得到的文本输出。

16.如权利要求9到14任意一项所述的电子设备，其特征在于，所述对比识别算法包括：欧氏空间的对比方法、松弛比对法、动态程序比对法、类神经网络的数据库建立及比对、隐马尔可夫模型及专家***法。

17.如权利要求11到14任意一项所述的电子设备，其特征在于，所述中央处理单元进一步包括：

缓存单元，用于保存图像采集模块采集的文本图像序列，供静态图像生成单元处理。

18.如权利要求9至14任意一项所述的电子设备，其特征在于，所述电子设备包括：电子词典、掌上电脑、学习机、手机、数码相机、GPS设备。

Images