印刷体汉字识别系统

《印刷体汉字识别系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、印刷体汉字识别系统印刷体汉字识别系统　一、文字识别概述汉字是历史悠久的中华民族文化的重要结晶，闪烁着中国人民智慧的光芒。汉字数量众多，仅清朝编纂的《康熙字典》就包含了49，000多个汉字，其数量之大，构思之精，为世界文明史所仅有。由于汉字为非字母化、非拼音化的文字，所以在信息技术及计算机技术日益普及的今天，如何将汉字方便、快速地输入到计算机中已成为关系到计算机技术能否在我国真正普及的关键问题。　图1文字识别的分类将汉字输入到计算机里一般有两种方法：人工键入和自动输入。其中人工键入速度慢而且劳动强度大，一般的使用者每分钟只能输入40～50个汉字。这种

2、方法不适用于需要处理大量文字资料的办公自动化、文档管理、图书情报管理等场合。而且随着劳动力价格的升高，利用人工方法进行汉字输入也将面临经济效益的挑战。自动输入又分为汉字识别输入及语音识别输入。由于汉字数量众多，汉字识别问题属于超多类模式集合的分类问题。汉字识别技术可以分为印刷体识别及手写体识别技术。而手写体识别又可以分为联机(on-line)与脱机(off-line)两种。这种划分方法可以用图1来表示。从识别技术的难度来说，手写体识别的难度高于印刷体识别，而在手写体识别中，脱机手写体的难度又远远超过了联机手写体识别。到目前为止，除了脱机手写体数字的

3、识别已有实际应用外，汉字等文字的脱机手写体识别还处在实验室阶段。联机手写体的输入，是依靠电磁式或压电式等手写输入板来完成的。在书写时，笔在板上的运动轨迹(在板上的坐标)被转化为一系列的电信号，电信号可以串行地进入到计算机中。从这些电信号我们可以比较容易地抽取笔划和笔顺的信息。从90年代以来，联机手写体的识别正逐步走向实用，方兴未艾。中国大陆及台湾地区的科研工作者推出了多个联机手写体汉字识别系统，国外的一些大公司也开始进入这一市场。这一技术也迎合了PDA(PersonalDigitalAssistant)的发展潮流。与脱机手写体和联机手写体识别相比，

4、印刷体汉字识别已经实用化，而且在向更高的性能、更完善的用户界面的方向发展。因为它有着广泛的应用前景。目前，办公自动化已成为信息社会不可避免的发展趋势。虽然在计算机网络飞速发展的今天，许多信息已经电子化，世界各地出现了许多“电子版”的报纸、杂志等出版物。但是我们可以看到印刷材料的数量也大大地增加了，一些专业单位如新闻社、图书馆、古籍出版社、档案馆等所接触的印刷材料更是浩如烟海，毕竟阅读印刷材料更为符合人的自然阅读习惯；同时，网络信息资源的爆炸性增长以及网络传输容量的限制，都是方便、快速地获取这些信息的约束因素。电子化的与印刷文本材料如同一枚硬币的两面

5、，互相补充、互相促进，在未来的十几年或更长的时间内将不会出现一者被另一者取代的情况。二、印刷体文字识别流程简介印刷体文字识别的过程如图2所示。原始图象是通过光电扫描仪，CCD器件或电子传真机等获得的二维图象信号，可以是灰度(Grayscale)或二值(Binary)图象。为简单计，在本文以后的论述中，除非特别提及，图象输入的方式均指由扫描仪输入。　图2印刷体文字识别的简单流程图预处理包括对原始图象的去噪、倾斜校正或各种滤波处理。版面分析完成对于文本图象的总体分析，区分出文本段落及排版顺序，图象、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

6、行专用的表格分析及识别处理，对于图象区域进行压缩或简单存储。行字切分是将大幅的图象先切割为行，再从图象行中分离出单个字符的过程。特征提取是整个环节中最重要的一环，它是从单个字符图象上提取统计特征或结构特征的过程，包括为此而做的细化(Thinning)、归一化(Normalization)等步骤。提取的特征的稳定性及有效性，直接决定了识别的性能。文字识别即从学习得到的特征库中找到与待识字符相似度最高的字符类的过程。后处理则是利用词义、词频、语法规则或语料库等语言先验知识对识别结果进行校正的过程。由此可见，印刷汉字识别技术主要包括：(1)扫描输入文本图

7、象。(2)图象的预处理，包括倾斜校正和滤除干扰噪声等。(3)图象版面的分析和理解。(4)图象的行切分和字切分。(5)基于单字图象的特征选择和提取。(6)基于单字图象特征的模式分类。(7)将被分类的模式赋予识别结果。(8)识别结果的编辑修改后处理。其中(4)、(5)和(6)，也就是图2中的阴影部分，是印刷汉字识别中最为核心的技术。近几年来，印刷汉字识别系统的单字识别正确率已经超过95%，为了进一步提高系统的总体识别率，扫描图象、图象的预处理以及识别后处理等方面的技术，也都得到了深入的研究，并取得了长足的进展，有效地提高了印刷汉字识别系统的总体性能。三

8、、印刷体文字识别的研究历程印刷体文字的识别可以说很早就成为人们的梦想，早在1929年，Taushek就在德国获得了一项有关