中英文混合文章识别问题

• 作者: 王庆人 王恺
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 系统设计 语言判别 字符切分 多语光学字符识别系统 文档图像处理
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 786-798
• 页数: 13页
• 分类号: TP391
• 字数: 8852字
• 语种: 中文

摘要

当前,已经有大量为单一字符集(或语种)而设计的OCR(optical character recognition)分类器.同时,随着全球一体化,多语文档的出现越来越普遍.因此,设计多语文档处理系统势在必行.提出了一般性的解决方案:两项OCR技术、一个系统和语言判断.为了使研究工作具体化,实现了一个中英文混合文章处理系统.其中主要涉及了3个关键问题:系统流程控制、汉英语言区域分离和英文字符切分.与以往的系统相比,该系统增加了汉英语言区域分离模块,并将基于等间距性的新方法应用于该模块.为了验证本系统的有效性,综合以往的方法实现了另一个系统.实验结果表明,该系统的性能明显优于另一个系统,在杂志样和书籍样上的识别率分别从98.48%和98.68%提高到99.13%和99.25%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王庆人	南开大学机器智能研究所	24	524	10.0	22.0
2	王恺	南开大学机器智能研究所	24	256	8.0	16.0