文档识别中误切分字符拒识问题的研究

• 作者: 丁晓青 刘长松 彭良瑞 陈臻刚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: OCR 字符识别 置信度 拒识规则
• 年，卷（期）: 2002,（17）
• 所属期刊栏目: 学术探讨
• 页码范围: 69-72
• 页数: 4页
• 分类号: TP391.43
• 字数: 4828字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2002.17.024

摘要

自动文档识别中字切分算法如果仅仅依靠大小位置等度量信息,很容易产生误切分图像块,需要字符分类器给出一定的反馈才能准确切分,为此提出了一个新的拒识算法,目标是尽可能准确地拒识非法字符.该文分析了基于距离的分类器的置信度和广义置信度,在此基础上改进了常用的广义置信度映射函数,并设计了一个基于样本学习的拒识规则,提高了拒识算法的适应性.在中日韩三种文档样本上的实验表明,该文算法明显改善了系统性能,对于较低质量的印刷文本识别具有一定的普遍意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘长松	清华大学电子工程系智能技术与系统国家重点实验室	28	384	11.0	19.0
2	丁晓青	清华大学电子工程系智能技术与系统国家重点实验室	86	2062	24.0	44.0
3	彭良瑞	清华大学电子工程系智能技术与系统国家重点实验室	6	56	3.0	6.0
4	陈臻刚	清华大学电子工程系智能技术与系统国家重点实验室	1	17	1.0	1.0