基于反馈合并的中英文混排版面OCR技术研究

来源：计算机技术与发展杂志2017年第03期北京时间：

作者：任荣梓;高航

摘要：迄今,光学字符识别(OCR)技术已普遍应用于社会生活的方方面面,单一字符集OCR技术领域已经取得重大突破.但由于中文和英文版面分析之间存在的明显差异,现有中英文混排OCR技术的表现均不尽如人意.针对传统OCR方法实现方式的缺点和不足,在研究中英文混合版面分析切分技术难点的基础上,提出了一种改进的基于反馈合并的中英文混合版面分析切分方法.该方法在综合应用Canny算子的图像二值化方法和中值滤波法进行滤波预处理的基础上,采用投影法两次分割字符区域,并对具体切分技巧进行了较为深入的研究.对比验证实验结果表明,所提出的版面分析切分方法可成功分离中英文混合文档中的中文、英文和数字字符,正确率比传统方法高出约8个百分点,可达到97%,较好地解决了传统方法对粘连字符处理效果不佳的问题.

关键词：文字识别;中英混排;版面分析;分离