论文部分内容阅读
近年来,随着计算机技术的飞速发展以及互联网的普及,电子文本已经逐渐成为人们进行信息获取的主要方式之一。然而,部分的电子文本资料是以图像格式进行存储的,难以对其进行检索,重用。得益于印刷体文本识别技术的发展,以图像格式保存的大部分文本信息可以转换为可编辑的文本格式。数学公式具有复杂的二维结构和灵活的表达方式,使其难以准确地转换为可编辑的文本信息。目前,常规的公式识别方法往往是将公式识别问题划分为字符切分,字符识别和结构分析三个阶段,但上一阶段的错误常常会传递到下一阶段中,使得公式识别的准确率较低。针对以上问题,本文提出了一种基于全局信息的印刷体数学公式识别方法。该方法充分考虑了字符切分、字符识别以及结构分析间的内在联系,利用上下文信息和公式的语法信息来实现对印刷体数学公式的识别。本文利用基于合并策略的混合字符切分方法对字符进行切分,有效改善了多连通域字符切分过程中存在的过切分问题。在字符识别方面,本文提出了改进的Le Net-5卷积神经网络的字符识别模型,针对数学公式符号识别的具体问题,对原网络结构进行了调整,同时对网络参数进行了优化,得到了一个训练速率快、识别率高且泛化能力强的数学字符识别模型。在结构分析方面,本文通过对数学公式的几何结构特点进行分析,利用中心偏转角作为结构特征建立了字符间空间关系判别模型,实现了公式几何空间关系的结构解析。此外,本文从公式语法语义的角度出发,制定了能表达绝大部分常用数学公式结构关系的基于二维上下文无关文法的数学公式语法规则。在该套文法规则的约束下,将数学公式的识别问题转换为构建字符切分、字符识别、几何结构分析和文法分析等多信息融合的最大可能结构解析树问题,从而综合全局信息得到公式图片识别概率最高的结果,实现了印刷体数学公式的整体识别,有效提高了印刷体数学公式的识别准确率。