OCR技術(shù)及其應(yīng)用

1字符識(shí)別的歷程概念的提出始于1929年國(guó)內(nèi)的研究從70年代才開(kāi)始，目前已經(jīng)達(dá)到國(guó)際先進(jìn)水平，其中漢字工作識(shí)別技術(shù)已經(jīng)位居國(guó)際領(lǐng)先第1頁(yè)/共27頁(yè)2字符識(shí)別的類型脫機(jī)聯(lián)機(jī)第2頁(yè)/共27頁(yè)3銀行領(lǐng)域的應(yīng)用第3頁(yè)/共27頁(yè)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(yè)/共27頁(yè)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(shí)別與查詢第5頁(yè)/共27頁(yè)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(shí)別字符分割表格識(shí)別字體識(shí)別語(yǔ)義后處理字符識(shí)別字符分割圖像處理第6頁(yè)/共27頁(yè)7圖像處理去噪聲、平滑、去黑邊、傾斜校正等第7頁(yè)/共27頁(yè)8第8頁(yè)/共27頁(yè)9版面理解第9頁(yè)/共27頁(yè)10表格識(shí)別第10頁(yè)/共27頁(yè)11字符分割行分割字分割第11頁(yè)/共27頁(yè)12字符識(shí)別第12頁(yè)/共27頁(yè)13字體識(shí)別宋體仿宋黑體楷體隸書(shū)魏碑圓體第13頁(yè)/共27頁(yè)14語(yǔ)義后處理中國(guó)觸結(jié)解潑木歲濟(jì)平光先疥天大發(fā)限屏永示晨乒年本乎緒諱屠水嚴(yán)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(guó)經(jīng)濟(jì)發(fā)展展中國(guó)的經(jīng)濟(jì)發(fā)展水平第14頁(yè)/共27頁(yè)15格式化輸出第15頁(yè)/共27頁(yè)16目前挑戰(zhàn)性的課題脫機(jī)手寫(xiě)漢字識(shí)別超大字符集的印刷字符識(shí)別非定制版面分析第16頁(yè)/共27頁(yè)17OCR涉及的模式識(shí)別問(wèn)題一致性假設(shè)在統(tǒng)計(jì)意義下，一般假設(shè)：樣本與分類對(duì)象具有同分布。給定的所有分類對(duì)象獨(dú)立同分布。第17頁(yè)/共27頁(yè)18樣本的分析決策對(duì)樣本空間劃分的有效性。推廣能力：決策對(duì)分類對(duì)象的有效性。第18頁(yè)/共27頁(yè)19貝葉斯決策理論已知的先驗(yàn)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(yè)/共27頁(yè)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(diǎn)問(wèn)題過(guò)學(xué)習(xí)與欠學(xué)習(xí)的問(wèn)題第20頁(yè)/共27頁(yè)21支持向量機(jī)統(tǒng)計(jì)學(xué)習(xí)理論一種專門(mén)研究小樣本統(tǒng)計(jì)學(xué)習(xí)規(guī)律的理論九十年代初取得重要進(jìn)展第21頁(yè)/共27頁(yè)22核技術(shù)可以證明，一定存在一個(gè)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(gè)更高維的空間)，使得在特征空間上，樣本構(gòu)成兩個(gè)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(yè)/共27頁(yè)23對(duì)比測(cè)試第23頁(yè)/共27頁(yè)24弱分類器如果一個(gè)分類器的分類能力(泛化)稍大于50%，這個(gè)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(yè)/共27頁(yè)25集成采用投票的方式?jīng)Q定新樣本類別。由于每個(gè)分類器的分類能力不同，在集成時(shí)，需要對(duì)所有分類器加權(quán)平均進(jìn)行分類。1990年Shapire證明，如果將多個(gè)弱分類器集成在一起，