光学字符识别技术_图文.ppt.ppt

光学字符识别技术中图像处理 一．文字识别系统的构成。 印刷体识别的原始图像是通过扫描仪、CCD器件或传真机等获得的二维灰度或二值图像，其识别过程如下图： 预处理包括对原始图像的去噪声、倾斜校正等。图像二值化等 版式分析：对文本图像进行总结分析，标示文本的段落，图表，表格区域；对文本区域进行识别处理，对表格区域进行专用的表格分析及识别处理，对图像区域进行简单的压缩或存储。 字符切割：先将文本图像切割为行（列），再从字符图像中分离出单个字符。当图像质量很差时，不易进行简单的分割，常与识别过程相结合。随着单字识别率的增高，切割错误在所有错误中所占的比重不断上升，增样实现字符的正确分割成了一个需认真解决的问题。 特征提取：从单个字符中提取统计特征或结构特征，是整个识别中最重要的步骤，特征提取的好坏，直接决定识别的性能在特征提取前，常进行归一化，细化化处理。 单字识别：从学习得到的特征库中找到与待识别字符相似度高的字符。为了提高识别速度，常采用树分类器。 后处理：对单字识别的结果，利用语义、词频、语义等先验知识进行识别结果的确认或纠错。 二．文字识别技术 OCR识别技术可分为印刷体识别技术和手写体识别技术，而后者由分为联机手写识别和脱机手写识别技术。从识别难度上讲，多印刷体识别技术难于单印刷体识别，手写字体识别难于印刷体识别，而脱机识别难于联机识别。 识别器是系统的核心： 在OCR系统中，是一个典型的图像处理系统，从图像的获取，预处理，到文本的切割，看将其视为一个输入图像输出图像的一般意义上的图像处理，二特征的提取到输出文本可认为是一个图像分析的过程，是一种更广义上的图像处理。 在进行印刷体汉字识别时，首先将印在纸上的汉字，经过电扫描产生模拟信号，再经过模电转换将其转变为灰度图像输入计算机。纸张的薄厚、洁白度、光洁度、油墨深浅、印刷质量，产生的污点、飞白、断笔，交连等干扰。输入设备光学畸变、量化等过程也要引入的噪声。所以在当个汉字识别之前要对这副图像进行预处理。 在图像版面校正中，需将有倾斜的输入校正，主要使用图像的旋转，几何操作。 汉字图像的预处理一般包括：二值化、行、字切分、平滑、去噪声、细化或提取轮廓等。 纵上所述，OCR系统中使用的基本图像处理原理和方法如下： 图像获取的基本原理，图像的表示存储；图像的旋转； 图像去噪声、平滑，即图像的增强和复原； 图像分割； 图像的模式识别分析等。 * * 用于文字识别的方法有统计模式识别，结构模式识别和人工神经网络等方法。 展台设计  编辑：cvdfbgnyhtt993456 *