申请/专利权人:西安交通大学
申请日:2023-08-31
公开(公告)日:2023-12-01
公开(公告)号:CN117152779A
主分类号:G06V30/412
分类号:G06V30/412;G06V10/82;G06N3/0464;G06N3/0442;G06N3/045;G06V30/162;G06V30/18;G06V30/16;G06T5/00;G06T3/60;G16H10/60
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.19#实质审查的生效;2023.12.01#公开
摘要:基于图像边缘检测与Res‑CRNN的纸质病历数字化信息提取方法、系统、设备及介质,方法包括:对具有彩色信息的原始图像依次进行灰度化处理、边缘锐化处理、对图像线条识别与旋转矫正、mask掩码处理、投影变换,再通过形态学变换生成手写数字训练数据,并基于生成的手写数字训练数据和Res‑CRNN深度学习模型对处理后的图像进行文字识别,得到最终文本数字识别结果;系统、设备及介质,用于实现基于图像边缘检测与Res‑CRNN的纸质病历数字化信息提取方法;本发明通过对原始图像进行灰度化处理、边缘锐化处理、对图像线条识别与旋转矫正及通过Res‑CRNN实现病历图像的数字化信息提取,具有提取病例图像信息高效、准确,操作步骤简单的特点。
主权项:1.基于图像边缘检测与Res-CRNN的纸质病历数字化信息提取方法,其特征在于,包括以下步骤:步骤1、对具有彩色信息的原始图像进行灰度化处理,得到具有单一亮度信息的图像;步骤2、对步骤1得到的具有单一亮度信息的图像进行Canny边缘检测得到边缘锐化处理后的图像;步骤3、对步骤2得到的边缘锐化处理后的图像进行线条识别与旋转矫正得到旋转处理之后的图像;步骤4、对步骤3得到的旋转处理之后的图像进行mask掩码处理并根据形态学找到图像的横线和竖线,并进行交点的识别,标注在原图像上;步骤5、对步骤4标注后的原图像进行投影变换,得到投影变换后的图像;步骤6、通过形态学变换生成手写数字训练数据,再基于手写数字训练数据和Res-CRNN深度学习模型对步骤5得到的投影变换后的图像进行文字识别,得到最终文本数字识别结果。
全文数据:
权利要求:
百度查询: 西安交通大学 基于图像边缘检测与Res-CRNN的纸质病历数字化信息提取方法、系统、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。