Стр. 9 - В.В. Сюзев, А.А. Ханин - Гибридный метод оптического распознавания текста с коррекцией результатов распознавания

Следует отметить, что описанный механизм группировки инвари-

антен относительно разрешения отсканированного изображения (ко-

нечно, если оно не слишком мало).

Определение угла наклона

для сгруппированных структур текста

является тривиальной задачей, поэтому останавливаться на ней не

будем. Методы определения угла наклона изложены во многих ис-

точниках [7–9], и при необходимости читатель может ознакомиться с

ними.

Распознавание символов.

После сегментации и определения угла

наклона, когда вышеописанным алгоритмом определена структура до-

кумента, извлеченные сегменты передаются в модуль распознавания

для последовательной обработки. Следует отметить, что в данном раз-

деле будет описан алгоритм распознавания отдельных символов, хотя

в разработанном модуле эффективная работа достигается коррекцией

результатов на завершающих стадиях распознавания отдельных групп

символов. Предлагаемый алгоритм оптического распознавания симво-

лов основан на комплексировании результатов распознавания бинар-

ного и полутонового изображений символа.

Корреляционное сравнение с шаблонами.

Первым этапом распо-

знавания сегментированного символа является вычисление его коэф-

фициента корреляции

r

со специально разработанными шаблонами

(рис. 6):

r

=

X

m

X

n

(

A

mn

−

ˉ

A

)(

B

mn

−

ˉ

B

)

s X

m

X

n

(

A

mn

−

ˉ

A

)

2

X

m

X

n

(

B

mn

−

ˉ

B

)

2

.

Классические подходы шаблонного распознавания бинарных изо-

бражений подразумевают вычисление корреляции или меры близо-

сти между извлеченным бинарным сегментом и коллекцией бинарных

шаблонов. Новизна предлагаемого подхода заключается в корреляци-

онном сравнении поданного на вход бинарного символа с набором

четырех- или шестибитных шаблонов с допустимым смещением

±

1

пиксель по горизонтали и вертикали. Шаблоны отличаются от класси-

ческих наличием запретных областей — при попадании части распо-

знаваемого сегмента в такую область возвращается штраф, пропорци-

ональный удаленности от правильной формы символа.

В результате многочисленных экспериментов разработанный метод

подтвердил свою адекватность. Кроме того, он позволяет эффектив-

но различать такие затруднительные для обычных алгоритмов пары

символов, как К–Х, М–Н и т.п.

ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012

161