基于統(tǒng)計(jì)分類的混排字符切分算法的研究.pdf

1、隨著信息技術(shù)和計(jì)算機(jī)技術(shù)的日益普及，人類社會(huì)已進(jìn)入信息時(shí)代，把各類載體上的原始信息轉(zhuǎn)化為計(jì)算機(jī)可處理和傳輸?shù)碾娮颖忍匦畔⒁殉蔀橐鉀Q的重要問(wèn)題。 光學(xué)字符識(shí)別(OCR，OpticalCharacterRecognition)技術(shù)成為有效解決手工輸入文字信息的重要工具，旨在完計(jì)算機(jī)的自動(dòng)錄入，在各領(lǐng)域被廣泛應(yīng)用，并產(chǎn)生了巨大的社會(huì)效益和經(jīng)濟(jì)效益。 目前，大多數(shù)OCR是基于對(duì)單個(gè)字符的逐個(gè)識(shí)別，字符切分是影響OCR系統(tǒng)識(shí)別的

2、關(guān)鍵因素之一，它直接影響到識(shí)別的正確率。 本文針對(duì)中英文混排文檔圖像，通過(guò)分析現(xiàn)有的字符切分算法，提出了基于統(tǒng)計(jì)分類的混排字符切分方法。首先，利用投影方法對(duì)字符進(jìn)行初步切分，利用貝葉斯分類器判斷字符類別，在漢字部件合并時(shí)避免與英文數(shù)字合并在一起；然后，結(jié)合識(shí)別技術(shù)進(jìn)行精細(xì)切分，判斷字符是否為標(biāo)點(diǎn)符號(hào)或漢字部件，對(duì)漢字部件進(jìn)行合并，依據(jù)識(shí)別結(jié)果是否可信確定切分結(jié)果，判斷并提取粘連字符；最后，對(duì)于搭接粘連字符采用啟發(fā)式的輪廓線跟蹤切