OCR技術(shù)及其應(yīng)用

1字符識別的歷程概念的提出始于1929年國內(nèi)的研究從70年代才開始，目前已經(jīng)達到國際先進水平，其中漢字工作識別技術(shù)已經(jīng)位居國際領(lǐng)先第1頁/共27頁2字符識別的類型脫機聯(lián)機第2頁/共27頁3銀行領(lǐng)域的應(yīng)用第3頁/共27頁4稅務(wù)領(lǐng)域的應(yīng)用>-3</822>4>*-3<<2/7302674/17*62+6209>1**8*108*<->5/++425>-0*<52->975*>>>3880029825-<第4頁/共27頁5電子政務(wù)領(lǐng)域的應(yīng)用電子公文審批與流轉(zhuǎn)電子公文的識別與查詢第5頁/共27頁6OCR應(yīng)用的技術(shù)組成圖像處理版面分析版面還原格式化輸出字符識別字符分割表格識別字體識別語義后處理字符識別字符分割圖像處理第6頁/共27頁7圖像處理去噪聲、平滑、去黑邊、傾斜校正等第7頁/共27頁8第8頁/共27頁9版面理解第9頁/共27頁10表格識別第10頁/共27頁11字符分割行分割字分割第11頁/共27頁12字符識別第12頁/共27頁13字體識別宋體仿宋黑體楷體隸書魏碑圓體第13頁/共27頁14語義后處理中國觸結(jié)解潑木歲濟平光先疥天大發(fā)限屏永示晨乒年本乎緒諱屠水嚴申的創(chuàng)徘繩經(jīng)絡(luò)圍牛圖囤午印固先天中固光大圖解本年水平中國經(jīng)濟發(fā)展展中國的經(jīng)濟發(fā)展水平第14頁/共27頁15格式化輸出第15頁/共27頁16目前挑戰(zhàn)性的課題脫機手寫漢字識別超大字符集的印刷字符識別非定制版面分析第16頁/共27頁17OCR涉及的模式識別問題一致性假設(shè)在統(tǒng)計意義下，一般假設(shè)：樣本與分類對象具有同分布。給定的所有分類對象獨立同分布。第17頁/共27頁18樣本的分析決策對樣本空間劃分的有效性。推廣能力：決策對分類對象的有效性。第18頁/共27頁19貝葉斯決策理論已知的先驗概率需要決策的類別數(shù)是一定的基于模型的方法第19頁/共27頁20人工神經(jīng)網(wǎng)絡(luò)缺乏充分的理論基礎(chǔ)局部極小點問題過學(xué)習(xí)與欠學(xué)習(xí)的問題第20頁/共27頁21支持向量機統(tǒng)計學(xué)習(xí)理論一種專門研究小樣本統(tǒng)計學(xué)習(xí)規(guī)律的理論九十年代初取得重要進展第21頁/共27頁22核技術(shù)可以證明，一定存在一個映射，稱為核函數(shù)，將在歐式空間定義的樣本映射到特征空間(一個更高維的空間)，使得在特征空間上，樣本構(gòu)成兩個不相交的閉凸集。研究核函數(shù)選擇的技術(shù)稱為核技術(shù)。第22頁/共27頁23對比測試第23頁/共27頁24弱分類器如果一個分類器的分類能力(泛化)稍大于50%，這個分類器稱為弱分類器。這意味著，比擲硬幣猜正面的概率稍好，就是弱分類器。第24頁/共27頁25集成采用投票的方式?jīng)Q定新樣本類別。由于每個分類器的分類能力不同，在集成時，需要對所有分類器加權(quán)平均進行分類。1990年Shapire證明，如果將多個弱分類器集成在一起，