随着信息科学技术的发展,人们越来越倾向于使用计算机作为信息自动化处理工具,这种方式不仅可以节省人力和时间,而且可以有效地减少人为操作错误。实体资料信息化是计算机信息自动化处理的一个重要的应用领域,早期由于技术限制很多资料都是以纸质的方式记录,存储成本高、存储时效有限而且整理检索的成本也很高。教育领域是实体资料信息化的一个主要分支,教学过程中考试是一种有效的教学评估手段,试卷信息化不仅有助于试卷电子化保存,而且可以快速有效地对试卷内容统计分析。目前OCR技术对于印刷体文本识别效果比较好,在手写体数字识别和数学公式识别方面仍存在比较大的研究和应用空间。本文利用数字图像处理技术和深度学习以试卷图片作为研究载体进行手写体数字识别和数学公式识别,主要研究内容包括两个方面。(1)首先利用试卷的定位点信息以及试卷版面的一些固定格式将试卷中的题号和对应的答题区域提取并对应起来,该过程包括定位点识别、定位点坐标有序化、定位点坐标序列划分、答题区域划分和题号提取识别五个步骤。然后利用颜色空间转换、轮廓提取筛选、粘连字符分割和图像归一化提取试卷手写体分数并使用CNN对其进行识别。针对常用数字识别模型Le Net-5因书写地域差异问题在MNIST数据集上表现效果好但是在实际应用中识别准确率较低的问题,本文借鉴迁移学习的思想加深网络层次对MNIST数据集和试卷手写体分数数据集进行阶段式训练,在保证手写体数字识别的通用性前提下提升了实际应用中的效果。最后本文将答题区域信息和手写体分数信息结合设计了分数自动统计流程将手写体数字识别应用到实际教学工作中。(2)从传统方法和深度学习方法两方面进行数学公式识别研究。传统方法通过字符识别和结构分析识别公式。本文字符识别利用连通域分割划分字符,使用AMSFonts中常用字体符号数据库作为模板,以归一化的中心惯性矩、圆形拓扑和Hu不变矩阵为特征,保证字符在缩放、平移、旋转等情况下的识别准确率。结构分析借鉴Te X排版系统,以匣子为基本单位,通过对常用公式结构制定对应合并规则进行分析。深度学习方法基于Encoder-Decoder with Attention对公式整体识别,本文在Encoder部分使用Inception v3网络增强特征提取并且添加位置嵌入保留图像特征位置信息,然后通过Encoder、Decoder和Attention部分的不同替换方案进行对比实验得到识别效果最好的模型,最终模型在im2latex-100k数据集和课题数据集上BLEU分数为88.63%。