档案数字副本OCR规范

《档案数字副本OCR规范》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、ICS01.140.20A14备案号：中华人民共和国档案行业标准DA/TXX—2017档案数字副本光学字符识别（OCR）规范OCRSpecificationforDigitalcopy（征求意见稿）2017-XX-XX发布2017-XX-XX实施发布国家档案局11前言本标准的附录A是资料性附录。本标准由国家档案局提出并归口。本标准起草单位：本标准主要起草人：11档案数字副本光学字符识别（OCR）规范1　范围本标准规定了档案数字化副本光学字符识别（OCR）基本要求。本标准适用于档案部门指导OCR工作规划、管理和应用。2　规范性引用文

2、件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T2828.1-2003计数抽样检验程序第1部分:按接收质量限(AQL)检索的逐批检验抽样计划DA/T31-2005纸质档案数字化技术规范3　术语和定义3.1图像格式imageformat记录、组织和存储图像像素的方式。3.2字符character各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。3.3字符集characterset多个字符的集合。字符

3、集包含的字符个数不同，常见字符集名称有ASCII字符集、GB2312字符集、BIG5字符集、GB18030字符集、Unicode字符集等。3.4光学字符识别OpticalCharacterRecognition;OCR11电子设备检查纸上显示的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。OCR文件包括处理后的高清图像，识别后的电子文件，校验文件及工作中产生的文件、存储载体等。3.5识别准确率recognitionaccuracy通过OCR识别正确文字的比率。识别准确率R=（识别正确文字数／

4、应识别文字总数）×100%3.6识别速度recognitionspeed单位时间内通过OCR识别文字的数量。1　总则1.1　各单位在纸质档案数字化的基础上，为方便利用、数据挖掘统筹规划开展档案数字副本OCR工作。1.2　档案数字副本原始图像、OCR高清图像与识别后的电子文件之间应建立正确、可靠的关联。1.3　应采取有效的管理和技术手段，确保档案数字副本OCR后的成果质量。1.4　处理涉密档案时，应按照涉密档案相关的管理和技术要求开展工作。2　工作组织2.1　机构及人员2.1.1　应建立完善的工作组织架构，以支持对档案数字副本OCR

5、工作进行统筹规划、组织实施、协调管理、安全保障、技术保障、监督检查、成果验收等，确保档案数字副本OCR工作的顺利开展。2.1.2　应配备具备相应素质和技术水平的工作人员，并通过科学规范的管理制度对工作人员进行规范化管理。为强化安全性，应加强对外聘工作人员的审核。2.2　基础设施2.2.1　应配备专用工作场地、机房等，应合理规划、配备和管理设施设备，确保设施设备安全、先进，能够满足档案数字副本OCR工作的需要。配备基础设施应考虑的因素包括：——与档案库房的距离要求；11——场地和环境（如面积、温度、湿度、防火、电力和工作时间等）要求

6、；——运行维护和管理要求。1.1.1　可选用以下三种方式获取基础设施：——由组织所有或运行；——多方共建或通过互惠协议获取；——租用商业化数字化公司的基础设施。1.2　工作流程控制1.2.1　档案数字副本OCR工作包括图像输入、图像预处理、比对识别、修改校正、结果整理输出等流程。1.2.2　应依据相关的法律法规和各类技术标准，制定相关的工作流程和各环节操作规范，对全过程进行有效的控制，确保识别质量。1.2.3　应加强对整个流程的安全管理，及时对产生的数据进行备份。1.2.4　应建立完善的问题反馈机制，对档案数字副本OCR工作过程中

7、后端环节发现前端环节中产生的问题前及时反馈和修正。及时获取OCR成果后续管理和利用过程中的效果进行反馈，提高OCR工作质量。1.3　工作文件管理应针对OCR全过程，建立完善的管理工作文件，以此加强对OCR工作的管理。2　方案制定2.1　制定OCR识别策略6.1.1制定OCR识别策略应考虑如下要素：——图像资源，即符合输入标准的可识别的彩色（24BITS）、灰度（256阶）和黑白二值图像。一般应为TIFF、BMP、JPG、PDF格式的图像文件。——OCR引擎，对影像包含文字进行高速和高识别率的OCR识别引擎。——OCR识别系统，装备

8、OCR引擎的OCR识别软件系统，可以高速稳定输出识别结果。应根需要识别的目标，按照成本风险平衡原则，确定：数据识别的范围；数据识别的质量；数据识别的技术及介质；数据识别设备的规格和要求。——基础设施：支持系统运行的建筑、设施和设备，包括介质的场外存