印刷体数学公式识别(Optical Formula Recognition)是图像分析技术与传统的字符识别技术、公式的结构分析技术相结合的结果,它是近年来才兴起的研究热点,其与普通的OCR系统的主要区别在于公式同文章的文本部分的分离,公式中符号位置信息的记录以及公式的结构分析与再现。 利用先验知识查找公式所在区域是目前国际上最新的也是最广泛的查找公式所在区域的方法。经过对先验知识的分析和公式中符号特性的总结可以很好的找出公式在文章中的位置。本文重点研究了汉字文章中公式区域的查找、公式中字符的分割以及其位置信息的记录、公式中字符的识别等。此外,本文重点论述了利用汉字形体信息与排版的先验知识在查找公式区域中的应用。 数学公式的识别不仅只是公式中符号的识别,其还包括了公式抽取,公式二维结构的记录等方面的研究。目前国际上提出的公式区域抽取的方法基本上是针对外文文章而言的,对于中文文章并不适用。本文根据汉字的形体特征,设计了利用循环投影统计的方法求出相应的阈值,并根据汉字的形体特征,找出汉字文章中的公式区域。本文通过计算公式中字符的最小外接矩形,将字符依次分割开并记录其位置信息,然后进行归一化处理,利用本文设计的适合本文中字符识别的识别模块,即二层感知器神经网络识别模块,将归一化后的字符识别出来。本文对公式的结构分析与再现只做了概要性的介绍,介绍了目前常用的方法。本文最后将所设计的方法进行了实验,证实该方法是可行的。