闫 茹，孙永奇，朱卫国，李宇霞

（北京交通大学计算机与信息技术学院，北京 100044）

0 概述

票据是银行、单位和个人办理支付结算和现金收付业务的重要依据，是记载经济业务和明确经济责任的一种书面证明。票据数量繁多且非常重要，操作人员稍有不慎便可能造成很大的经济损失，因此，利用光学字符识别（Optical Character Recognition，OCR）技术对票据进行自动识别具有重要意义。作为票据中最重要的部分，金额的识别尤为关键，不能出任何差错。目前，手写票据中大写金额部分的识别准确率达不到令人满意的效果，原因有两点：一是用户在书写时风格多样，字符内部、字符之间的空隙大小不均，字与字之间可能粘连严重；二是手写票据有一大部分是复写数据，存在字迹不清楚、笔画缺失且噪声难以完全去除的问题。此外，汉字文本行的识别涉及整条文本行图像的去噪、准确切分、单字识别以及路径最优化选择等多项复杂任务，每一部分都会影响最后的识别结果。因此，对手写票据中的大写金额进行准确识别是一个亟待解决的问题。

为提高大写金额的识别准确率，需要对初步的识别结果做进一步的检查调整。由于票据中大写金额的填写具有严格的语法要求，因此很适合使用有限状态自动机对识别结果进行检验，而且大写金额字符数量少、内容明确，适用于构造有限状态自动机。此外，使用有限状态自动机可以理清字符间的语法逻辑，快速而准确地拒绝有语法错误的字符串并定位到错误的字符位置。……