印刷体数学公式符号切分与识别.pdf

摘要 摘 要 科技文献作为记录科学技术信息的载体，对其进行数字化是建设信息化社会的迫切 character 需要。目前广泛应用的OCR(Optical 印刷体文献中的文字高速、自动地输入计算机，且取得很高的识别率。但是科技文献中 包含大量的数学公式，OCR还不能对其进行正确识别，只能将其存储为图片格式，不 仅占用大量空间，而且不能对其进行再编辑。因此，数学公式自动识别在将科技文献转 化为电子文档的过程中具有重要的意义。 印刷体数学公式识别系统包括公式抽取、公式符号识别、公式结构分析和公式重构 四个组成部分。其中，公式符号识别模块是系统的核心部分，其功能是将公式中的符号 图像转换成相应的代码，分为符号切分和符号识别两个阶段。针对传统的文字识别器在 识别公式符号中存在的问题，本文对印刷体数学公式符号切分和识别展开研究，设计了 能够适应公式符号二维分布、大小不一、多交叠、多字体等特点的切分和识别算法。首 先采用迭代自组织的符号切分方法对公式符号进行切分，为符号识别提供正确的符号位 置信息；然后对符号进行预处理，并采用基于游程特征的符号识别方法对公式符号进行 识别。通过对不同印刷质量文档的实验表明，本文设计的符号切分和识别方法能够取得 较高的识别率和令人满意的处理速度。 关键词光学字符识别；数学公式识别；字符切分；迭代自组织；游程特征 Abstract Abstract Asacarrierof technical scientificdocumentsto recording information，convening formisan needin information OCR digital urgent building society．At present，thesystems thathavebeen usedCan the textwith and widely automaticallyrecognizeordinary highspeed accuraterate．Asciemificdocumem containsa of generally numbermathematical large thattheOCR cannotdeal themathematicalhadto expressions systems with，SO expressions bestoredas whichnot takelots images only of alsocannotbereedited． storagespace，but Thus，automaticofmathematicalbecomesoneofthe vehiclesin recognition expression key thedrivetowards sciemificdocumemsimo transcribing electronicforms． The of mathematical Canbedividedimofour