段 荧，龙 华,2，瞿于荃，邵玉斌,2，杜庆治,2

(1.昆明理工大学信息工程与自动化学院，云南 昆明 650504；2.昆明理工大学云南省计算机重点实验室，云南 昆明 650504)

1 引言

在各行各业中为了更容易地对文件进行储存或管理，通常是将带有文字信息的纸质文档通过数字化的方式扫描转化为图像后进行识别，以减少人工录入工作。目前对于规范的文档图像的光学字符识别OCR(Optical Character Recognition)已在各种领域中得到应用，但是，在数字化的过程中，大多数文档都无法达到理想的状态，且带有一定的干扰信息，例如文档之中用于标记重要内容的横线等，致使识别率下降。虽然可以通过二值化[1]等算法进行预处理，但是对于与文字进行粘连的干扰部分却依旧无法进行处理[2]。对于不能识别的拒识字也有学者利用上下文信息的相关性进行后处理[3,4]，进一步提高了准确率，当初步识别效果较差时，相关性匹配的方法并不能显著地提升准确率，并且它依赖于一个健全的候选字库和上下文信息(即语言学知识)。因此，如何有效地去除干扰，对于减少文档图像拒识字，提升识别准确率具有不容忽视的作用，同时也给修复污损的文字作品提供了新思路。随着历史更迭发展，部分古籍文献、金石碑文以及书画作品在流传过程中，由于各种不稳定的保存因素，比如自然的老化、发霉受潮、动物撕咬等，导致完整的汉字字迹变得模糊不清或是局部残缺。针对文物字画和碑刻的破损书法作品，使用传统的手工方法修复不仅流程繁复[5 - 7]而且耗时较长，除了考究修复人员高超的复原技术和耐心之外，还要求其对历史事实持有科学而又严谨的态度。……