论文部分内容阅读
目前,大多数OCR是基于对单个字符的逐个识别,字符切分是影响OCR系统识别的关键因素之一,它直接影响到识别的正确率。 本文对中英文混排文档图像,提出了基于字符类别的识别反馈混排字符切分方法。首先利用投影方法对字符进行初步切分,判断字符类别;然后结合识别技术进行精细切分,判断字符是否为标点符号或汉字部件,对汉字部件进行合并,依据识别结果是否可信确定切分结果。提取粘连字符,判断粘连字符的类型,对于汉字粘连字符和搭接粘连英文字符分别采用不同的切分方法,调用识别模块切分粘连字符。实验表明,该方法对中英文混排文档有较好的切分效果。