| 出版日期：2000-03-20 总期号：406 本年期号：09 |
|
 |
神经网络在ocr识别中的作用
扫描仪作为计算机的主要外设，众多的使用者已不能满足它仅仅只是把文字、图像清晰亮丽的输入计算机，而越来越需要它本身的“智能”化，“ocr”正是在这种情况下应运而生。ocr实际上就是让计算机认字，实现文字自动输入，它是一种非常快捷、省力的文字输入方法。 ＯＣＲ技术的关键问题就是如何对所属类别未知的字符图像进行识别，文字识别的方法就是指特征选择抽取、分类判别的方法，而特征抽取的目的是为了更好地进行分类判别，这一分类识别的过程是由ＯＣＲ的模式分类器来完成的。模式分类器可分为结构型分类器、统计型分类器和神经网络分类器三种。我们拿市面流行的“尚书ocr文字识别系统”和“清华紫光ocr软件”为例，它们都属于“神经网络分类器”也就是目前最好的模式。对神经性网络的研究目前正处在一个新的高峰期，不但在理论上有很大的突破而且已广泛应用于模式识别领域。神经网络的拓朴结构分前馈网络和反馈网络两种。如多层感知器属于前馈网络，而hopfiled属于反馈网络。与一般的计算机程序不同，神经网络通常需要进行训练。训练的过程就是网络学习的过程，学习改变了网络节点的连接权矢量的值使其具有分类的功能，经过训练后的网络就可以用于字符的识别了。 虽然，它们两者都采用了同样的内核，在它们之间还是有区别的，就笔者在使用比较了紫光扫描仪（含清华文通th－ocr mf7．0）和n-tek扫描仪（含尚书5号）之后认为，尚书ocr在外围的功能开发上走在了前面，而识别率和速度几乎没有区别。 尚书5号和清华文通为32位系统，支持windows95/98/nt；在印刷文字识别上加入mmx优化，识别速度都比传统的ocr软件提高50%以上；两者在汉英双语同时混排时，识别率都达到98.4%以上)；支持非特定人脱机手写识别功能；支持表格识别结果可在ms-word下编辑功能；支持对识别结果进行电子文档版面复原功能，所见即所得；支持日文、日英混排识别功能，识别率98%以上(选件)。它们识别的字体有：简／繁体汉字的宋体、仿宋体、黑体、楷体、魏碑、小姚等多种字体及其变形变体；十多种流行的印刷体英文字体；印刷体日文及规范手写体汉字、英文、数字、标点符号。 当然，我们不能只停留在这些技术上，我们期待更具友好界面、更具稳定性、易用性和可靠性（最好识别率有100%）的产品出现，把咱们的文字“改邪归正”！把咱们的扫描仪“变”的更“聪明”！！ |
||||||||||||
