文檔圖像自適應二值化與字符識別.pdf

1、現代辦公逐步走向數字化，將紙質文檔圖像轉化為數字電子文檔的需求逐漸增多，但是直接將其掃描成圖像存儲或者人工錄入，顯然效率低，數據量大。OCR技術使得紙質文檔圖像到數字文檔轉存更加便捷，隨著OCR技術的逐漸成熟，OCR也開始不斷被各行各業(yè)所應用。目前OCR適合識別高質量的文檔圖像，但是對于處理低質量類型的文檔圖像效果并不理想。因此對于OCR技術應用于識別這些低質量文檔圖像的算法仍需進一步的研究。
　　本文通過研究降質類型文檔圖像特點

2、，發(fā)現對于降質文檔圖像的OCR處理性能關鍵在于圖像的預處理也就是二值化處理過程，而對于多字體印刷體漢字的識別，需要在保證其具有高效的識別率同時保證識別系統的穩(wěn)定性。因此本文通過大量研究國內外二值化算法以及字符識別算法，分別對低質量文檔圖像二值化以及多字體印刷體漢字的識別進行相應的改進研究，以提高OCR系統的識別率和穩(wěn)定性。本文的主要工作如下:
　　第一，本文根據圖像的灰度直方圖之間即存在一定差異又存在一定聯系的特性，分析了經二值化

3、算法分類后的圖像灰度直方圖特征屬性，通過將已有的二值化算法與SVM結合，實現對任意文檔圖像實現自適應選擇二值化算法，該算法首先對DIBCO標準庫中的圖像進行處理，按優(yōu)以預定的二值化方法對處理后的圖像進行歸類，其次提取圖像的灰度直方圖的特征屬性作為特征向量，其對應的圖像二值化算法作為標簽建立訓練樣本，最后采用SVM建立自適應選擇模型，以達到自適應選擇二值化方法的目的。
　　第二，本文深入研究了多字體印刷體漢字的特點以及卷積神經網絡的