安艳辉,陈韶霞,刘宗敏

(1.河北省工业和信息化厅,河北石家庄 050051;2.河北省农业区划委员会办公室,河北石家庄 050051)

基于字符类别的识别反馈混排字符切分方法

安艳辉1,陈韶霞1,刘宗敏2

(1.河北省工业和信息化厅,河北石家庄 050051;2.河北省农业区划委员会办公室,河北石家庄 050051)

字符切分是影响OCR系统识别的关键因素之一。对于中英文混排文档,提出了基于字符类别的识别反馈混排字符切分方法,利用字符特征分类判别出文档中的汉字类、英文、数字和标点符号类、部件类,对汉字类和部件类借助识别技术分别进行处理。该方法结构简单,容易实现,实验结果表明该方法切分效果好,字符类别判断准确。

字符切分;分类器设计;字符类别判断;字符识别

字符识别技术经过几十年的发展,取得了长足的进步,目前,大多数字符识别是基于对单个字符的逐个识别,字符识别率的高低与字符切分的正确与否密切相关,尤其是在中英文混排的情况下,显得更为重要,它直接影响到识别的正确率。脱机印刷体字符识别系统虽然已形成商业产品,随着中英文混排文档图像的日益增多,实用性不是很理想。

当前字符切分技术主要有以下几种方法[1]:

1)基于图像分析的分割;

通过图像分析寻找字符之间较为合理的分割点,主要采用静态的投影分析方法。

2)基于识别的分割;

在实际的分割前借助于识别能力对各种存在的分割进行选择合理的分割。

3)综合了前面两种技术的分割;