文檔圖像自適應(yīng)二值化與字符識別.pdf

1、現(xiàn)代辦公逐步走向數(shù)字化，將紙質(zhì)文檔圖像轉(zhuǎn)化為數(shù)字電子文檔的需求逐漸增多，但是直接將其掃描成圖像存儲或者人工錄入，顯然效率低，數(shù)據(jù)量大。OCR技術(shù)使得紙質(zhì)文檔圖像到數(shù)字文檔轉(zhuǎn)存更加便捷，隨著OCR技術(shù)的逐漸成熟，OCR也開始不斷被各行各業(yè)所應(yīng)用。目前OCR適合識別高質(zhì)量的文檔圖像，但是對于處理低質(zhì)量類型的文檔圖像效果并不理想。因此對于OCR技術(shù)應(yīng)用于識別這些低質(zhì)量文檔圖像的算法仍需進(jìn)一步的研究。
　　本文通過研究降質(zhì)類型文檔圖像特點

2、，發(fā)現(xiàn)對于降質(zhì)文檔圖像的OCR處理性能關(guān)鍵在于圖像的預(yù)處理也就是二值化處理過程，而對于多字體印刷體漢字的識別，需要在保證其具有高效的識別率同時保證識別系統(tǒng)的穩(wěn)定性。因此本文通過大量研究國內(nèi)外二值化算法以及字符識別算法，分別對低質(zhì)量文檔圖像二值化以及多字體印刷體漢字的識別進(jìn)行相應(yīng)的改進(jìn)研究，以提高OCR系統(tǒng)的識別率和穩(wěn)定性。本文的主要工作如下:
　　第一，本文根據(jù)圖像的灰度直方圖之間即存在一定差異又存在一定聯(lián)系的特性，分析了經(jīng)二值化

3、算法分類后的圖像灰度直方圖特征屬性，通過將已有的二值化算法與SVM結(jié)合，實現(xiàn)對任意文檔圖像實現(xiàn)自適應(yīng)選擇二值化算法，該算法首先對DIBCO標(biāo)準(zhǔn)庫中的圖像進(jìn)行處理，按優(yōu)以預(yù)定的二值化方法對處理后的圖像進(jìn)行歸類，其次提取圖像的灰度直方圖的特征屬性作為特征向量，其對應(yīng)的圖像二值化算法作為標(biāo)簽建立訓(xùn)練樣本，最后采用SVM建立自適應(yīng)選擇模型，以達(dá)到自適應(yīng)選擇二值化方法的目的。
　　第二，本文深入研究了多字體印刷體漢字的特點以及卷積神經(jīng)網(wǎng)絡(luò)的