自然场景下化验单文字检测识别研究

发布时间：2023-04-22 12:13

　　近年来,人工智能的发展为智慧医疗提供了强大的技术支持,以计算机视觉为基础的化验单智能解读能够使患者及时的了解自身病情,可以有效的提高就医效率,减缓就医压力。化验单智能解读首要工作是将化验单图像数据转化为结构化的文本数据。因此,自然场景下化验单文字检测识别任务尤为重要。针对当前存在的自然场景下化验单文字检测识别方法效果欠佳,无法达到实用标准等问题,本文融合了传统图像处理方法和深度学习方法对自然场景下化验单文字检测识别进行研究。具体从以下几个方面展开研究:1)提出了一种自然场景下的化验单文字检测方法(BHS-CTPN),可以有效解决当前化验单文字检测方法效果无法达到实用标准以及敏感信息区域无法有效过滤的问题。首先引入BRISK、Hough、Sauvola等一系列预处理方法进行化验单矫正、敏感信息区域去除和图像增强,其次在特征提取时卷积核的设定、anchor设定等方面改进CTPN网络模型,最后优化文本框合并策略。BHS-CTPN方法与CTPN模型相比,准确率、召回率、F1值分别提升了8%、10%、9%,与目前化验单文字检测领域效果最好的华为API接口相比,准确率、召回率、F1值分别提升了6%...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景
    1.2 研究的意义与应用前景
    1.3 国内外研究现状
        1.3.1 自然场景下文字检测研究现状
        1.3.2 自然场景下文字识别研究现状
        1.3.3 自然场景下文字识别矫正研究现状
    1.4 本文研究思路和主要工作
    1.5 论文组织结构
第2章 深度学习相关理论与技术
    2.1 卷积神经网络
        2.1.1 卷积神经网络概述
        2.1.2 卷积神经基本组成
        2.1.3 卷积神经网络经典模型
    2.2 循环神经网络
        2.2.1 循环神经网络概述
        2.2.2 长短期记忆网络
        2.2.3 双向长短期记忆网络
    2.3 模型评价标准
    2.4 本章小结
第3章 自然场景下化验单文字检测方法研究
    3.1 引言
    3.2 BHS-CTPN一种自然场景下化验单文字检测方法
        3.2.1 基于BRISK算法的图像矫正
        3.2.2 基于改进的霍夫直线检测
        3.2.3 基于Sauvola算法的图像增强
        3.2.4 改进的CTPN网络模型
    3.3 实验与分析
        3.3.1 实验数据
        3.3.2 实验细节
        3.3.3 实验结果分析
    3.4 本章小结
第4章 自然场景下化验单文字识别方法研究
    4.1 引言
    4.2 一种改进CRNN网络模型的自然场景下化验单文字识别方法
    4.3 实验与分析
        4.3.1 实验数据
        4.3.2 实验细节
        4.3.3 实验结果
    4.4 本章小结
第5章 自然场景下化验单文字识别矫正方法研究
    5.1 引言
    5.2 一种融合语言模型的化验单文字识别矫正处理方法
        5.2.1 识别结果矫正预处理
        5.2.2 基于语言模型的识别结果矫正
        5.2.3 基于对应关系的识别结果矫正
        5.2.4 融合编辑距离和最长公共子序列的识别结果矫正
    5.3 实验与分析
        5.3.1 实验数据
        5.3.2 实验细节
        5.3.3 实验结果
    5.4 本章小结
第6章 自然场景下化验单文字检测识别系统
    6.1 系统概述
    6.2 系统整体架构
    6.3 系统工作流程
    6.4 系统界面展示
第7章 总结与展望
    7.1 总结
    7.2 展望
致谢
参考文献
个人简历 在校期间发表论文与研究成果



本文编号：3797615