推广工程数字资源联合建设地方文献数字化加工规则2015.docxVIP

PAGE \* MERGEFORMAT22 推广工程数字资源联合建设地方文献数字化加工规则（2015） 1术语和定义 1.1双层PDF 将标准资料通过扫描仪快速录入后，经过去污、纠偏和OCR识别，直接生成的可检索的PDF文件。该文件是双层的，上层是原始图像，下层是识别结果。 1.2单版TXT文件 由图像数据一一对应进行文本转换得到的TXT文件。一个单版TXT文件对应一个图像文件。 1.3合并版TXT文件 将单版TXT文件按顺序合并得到一册书的完整TXT文件。 2图像数字化和命名规则 2.1图像数字标准 2.1.1扫描标准 黑白页和灰度页用灰度方式扫描 色彩位深：8 位 分辨率：300 dpi；小于5号字体用400 dpi 档案典藏级格式：TIFF 不压缩 彩色页用彩色方式扫描 色彩位深：24 位 分辨率：300 dpi；小于5号字体用400 dpi 档案典藏级格式：TIFF 不压缩 2.1.2拍照标准 像素：不小于300万 档案典藏级格式：TIFF 不压缩 2.2数字化要求 数字化环境注意防护光源，避免透光或反射光的影响。 数字化后的图像清晰，文件页码连续，没有重页、缺页、错页等情况（原书缺页、错页除外）。补扫的图像要与同册图像文件的大小一致，颜色接近。 以原文献的上边沿为基准，保持原文献的天头、地脚的尺寸不变，左右两边的尺寸基本不变。 数字图像放大至实际尺寸100%，图像不失真。 数字图像文件与文献原件颜色不一致，须先进行设备色彩校正，再重新进行扫描或拍照工作。 2.3 数字图像处理要求 数字图像处理是在未改变原扫描图像的色彩、分辨率、格式、压缩等情况下进行。数字图像文件处理内容及要求如下： 纠偏处理。对出现偏斜的图像进行纠偏处理，图像歪斜度不可以超过一度，对方向不正确的图像进行旋转还原，以符合阅读习惯。 图像剪裁。图像保留到文献的外边缘。 不能进行锐化或者图像增强处理，不能更改图像的颜色，尽量减少对图像文件的后期处理。 2.4数字图像检查要求 根据本项目要求，数字化单位检查各级别图像数据的质量，建议扫描完成后立即进行质检。数据检查的内容和要求如下： 图像文件（各种格式）放大到1：1状态，逐页检查。检查文件是否有透光、透字、彩点、彩线、太淡、太浓、黑边、污点、歪斜、模糊（马赛克等）或图像内容不完整等现象。若不符合图像质量要求应进行图像校正或重新扫描（拍照）。 发现文件漏扫时，应及时补扫并正确插入图像。 拼接图像接缝处无错位、无缝吻合，不应出现白边和内容缺失，没有明显的歪斜。 检查是否符合扫描（拍照）规格要求和技术参数。 所有文件保存位置正确，可以有效打开和显示。 图像名称必需正确，同一数据流水号不得有跳号情况，按顺序排列命名，图像文件的排列顺序应与原文献一致。 2.5命名规则 2.5.1加工编号（book_id） 文献数字化加工过程中一册文献的唯一标识，它由11位数字和1位下划线组成。 文献基本资料类型（1位）、文献语种（1位）、加工年（2位）、机构代码（4位）、下划线（1位）、单位内部流水号(3位)。 本规则针对图书的文献基本资料类型为0，文献语种为1，加工年为公元年后两位数字（15年项目统一为15），机构代码见《推广工程数字资源联合建设机构代码》，单位内部流水号由各单位自行分配，从1开始，不足3位以0补齐。 例001 2.5.2图像文件名 前封（含封一、封二） 扫描文件名为Axxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。 前附页 目录页之前的前附页扫描文件名为Bxxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。 目录页之后的前附页扫描文件名为Dxxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。 目录页 扫描文件名为Cxxxxx_00，其中xxxxx为5位数字，按原书顺序依次排序。 正文 有页码的正文扫描文件名为Txxxxx_00,其中xxxxx为5位数字,与原书页号一致，按原书顺序依次排序。 正文中插页扫描文件名为Txxxxx_yy，其中xxxxx为5位数字,表示插页的前一页顺序号,yy为数字，表示插页，并按原书顺序依次排序。 后附页 扫描文件名为Yxxxxx_00，其中 xxxxx为5位数字，按原书顺序依次排序。 后封（含封三、封四） 扫描文件名为Zxxxxx_00，其中xxxxx为5位数字,按原书顺序依次排序。 3双层PDF标准 3.1双层PDF输出 将处理完成后的TIFF图像进行OCR逐页识别校对。采用图在文上的模式进行双层PDF输出，包括单版PDF和合并版PDF两种，单版PDF命名与对应TIFF文件保持一致，合并版的命名同该文献的加工编号。 PDF文件根据图像尺寸、颜色、数据存储量、按JPEG2000有损压缩，压缩因子适度动态调整，在确保图