手写印刷混排or系统研究.pdfVIP

中文摘要 摘要 随着计算机技术的飞速发展，文档分析技术也越来越广泛的应用到纸质文档的存储和 检索等日常生活中。数字文档已经由最初的纯文本文档过渡到文本图片混排、手写／印刷混 排、多语言的混排文档，甚至还出现了附带有声音等媒介的多媒体文档。 本文主要关注的是手写／印刷混排文档。现实生活中，大量的应用会用到这类同时含有 印刷体元素和手写体元素的文档。文档中的手写体／印刷体元素也发挥着各自具有的特殊作 用，对这些元素的检测、区分和处理也变得非常有意义。特别的，文档中的手写体元素往 往蕴含着额外的重要信息，将它们区分开也有助于使用不同的更加有针对性的算法进行处 理。 为了更好的处理那些同时包含手写体／印刷体文本的文档，本文提出了一个手写／印刷混 排OCR系统。系统主要包括文档图像的预处理、文档版面拆解、文档理解、手写体／印刷体 文本判别、单oCR系统识别以及文档结构分析模块。其中的手写体／印刷体文本判别模块分 别抽取基于结构的特征和基于小波的特征，并对比使用多种不同的分类器对手写／印刷两种 文本进行区分。实验部分使用IAM手写体Word样本集以及自制的印刷体Word样张集进行 训练和测试，并使用完整的混排文档进行测试。实验数据表明，文本提出的脱机混排OCR 系统的实现了较高的识别精度。 关键字 文档图像，OCR系统，手写／印刷混排，支持向量机分类器 Abstract Withthe of are development rapid computertechnology,documentanalysistechniques intoour as andretrievalof life，such widelyapplied daily storage paperdocuments．Digital documentis fromtheinitial texttothe evolving format, pure text／picturehybrid themultimediadocumentwith handwritten／printedhybridformat,multilingualdocument,even soundandothermedia． the We focuson document．Inreal numberof mainly handwritten／printedhybrid life，alarge usesuchdocuments bothhandwrittenand applications containing printed or elementsindocumenthave their printed always playedspecial and fortheseelementshasbecome separation processing verymeaningful．Inparticular,the documents handwrittenelementsarerichinadditional information． containing important