基于文字分割的印章识别技术

从古至今，印章一直在具有法律效应的文件中具有重要作用，因此印章的识别在文件的识别中占有重要地位。印章图像因为具有特征丰富和字符紧凑的特点，直接识别会影响其准确率。本文提出了先识别印章中文字，通过文字标签判别印章的方法，本文提出的方法识别率较高。

近年来，文件票据的使用场景已越来越广泛，并且随着图像技术和深度学习技术的发展与研究，印章识别技术已经被各国学者研究，研究方法整体分为3 个方向：基于配准的识别、无需配准的识别和基于深度学习的识别。

基于配准的识别算法中，需要先配准印章再进行识别。Fan 等人[1] [2]将印章配准后，采用动态等级(Attributed Stroke Graph, ASG)算法[3]进行笔画的识别。项阳[4]提出了一种改进的人工蜂群算法(Artificial Bee Colony, ABC) [5]。Ueda 和Matsuo [6]将印章的局部和全局特征组合到一起，利用策略法进行判别印章真伪。

无需配准的印章识别方法， 直接利用印章进行识别。

国内外也有大量学者进行了研究。

Chao Ren等人[7]针对非方章进行了研究，定位印章提取文字，对文字进行矫正，并放入文字识别系统(Optical Character Recognition, OCR) [8]进行识别，通过文字通过率判别印章真伪。Haruki R [9]等人利用三维图像识别二维印章印痕，降低了盖印条件对识别结果产生的影响。基于深度学习的识别方法中，大量研究者将卷积神经网络引入到印章识别技术中， 取得了一定的成果。

万水龙等人[10]提出了一种基于Krawtchouk- RBF 的识别算法，通过提取印章图片的Krawtchouk 矩[11]并放入径向基函数神经网络(Radial Basis Function, RBF) [12]中，对印章进行分类识别，准确率可达90%。可以看出，印章识别发展历史久远，说明了印鉴识别的重要性，因此本文的研究课题具有重要意义。

2. 保留有效字符区域 印章中的非有效字符区域包含印章中的外圈轮廓和印章中间标志。由于这些非字符区域不会影响印章的识别，一般加印章也不会对该位置进行更改，因此本文对印章仅保留有效的字符区域。

2.1. 最小外接矩形 在原始图像中，图像大小大于图像中印章大小，即使进行归一化处理后，图像中的印章大小也未统一。因此，本文通过提取印章的最小外接矩形，使得图像大小即为印章大小，然后通过归一化，使得印章大小统一。

图形的最小外接矩形换句话说就是图形的凸包(Convex Hull)。

凸包的定义为：在一个实数向量空间V中，对于给定集合X，包含X 中所有凸集的交集S 称为X 的凸包[13]。凸包可以通过Graham 扫描法进行寻找，Graham 扫描法的操作方法如下： 根据每个点坐标，将纵坐标最小的点放置在坐标圆点处，将其他坐标也平移到坐标中，平移过程中保证所有坐标的相对位置不变性，如图1 所示。然后从第一个点依次放入栈中，根据每个点与上一点的相对位置进行判断，当前点位于上一点右侧时，不放入栈中；最终栈内的点即为凸包的边缘点，根据其最小面积，将其变为规整的矩形。