浅谈OCR技术的发展和应用

56 福 建 电 脑 2012年第 6期 浅谈 OCR技术的发展和应用 王文华 (昭通师范高等专科学校 云南 昭通 657000) 【摘 要】：介绍了OCR技术的起源和发展现状，以及 OCR技术的在当前信息社会中的 应 用状 况 。 【关键词】：光学字符识别 OCR技术 1、OCR技术概述 所谓 OCR (Optical Character Recognition光 学字符识别)技术，是指利用电子设备(例如扫描 仪或数码相机)检查纸上打印的字符．通过检测 暗、亮的模式确定其形状，然后用字符识别方法将 形状翻译成计算机文字的过程。即，对文本资料进 行扫描．然后对图像文件进行处理．获取文字 及版面信息的过程。随着计算机技术的迅猛发展， 信息电子化已经成为一个必然趋势。而文字是信 息中最重要的一种载体．其电子化程度决定了信 息化的程度。OCR技术改变了传统的纸质介质资 料输入的概念。通过 OCR技术．用户可以将通过 摄像机、扫描仪等光学输入方式得到的报刊、书 籍、文稿、#格#等印刷品的图像信息转化为可以供 计算机识别和处理的文本信息。因此，与传统的手 工录入方式相比．OCR技术大大提高了人们进行 资料存储、检索、加工的效率。目前市场上符合银 行、证券、保险、税务、公安、海关、机场、工商、军队 及其它行业应用的OCR产品已经相对成熟 ．它们 已经通过市场检验并被广大用户大规模使用 2、OCR技术的发展及应用 OCR技术诞生于 1929年 ．由德国的科学家 Tausheck首先提出。利用光学技术对文字和字符 进行扫描识别，并将其转化为计算机内码。 第一个 OCR软件是在 1957年开发的 ERA (Electric Reading Automation)。它是基于窥视孔方 法实现的．识别的速度是每秒 120个英文字母。从 OCR技术的发展历程来看，可分为三个阶段： 第一代OCR产品出现于 60年代初期。NCR 公司、Farrington公司、IBM公司分别研制出了自 己的OCR软件。它只能识别印刷体的数字、英文 字母及部分符号．并且必须是指定的字体。 第二代 OCR产品出现于 60年代中期到 70 年代初期，可以识别手写体字符。日本东芝公司研 制将其开发的 OCR产品应用于IBM公司于手写 体邮政编码识别的信函自动分拣系统．信函的分 拣率达到 92％～93％．并且广泛地应用在现实生活 中。发挥着较好的作用。 第三代 OCR产品主要解决的技术问题就是 对于质量较差的文档及大字符集的识别．例如汉 字的识别。日本东芝公司于 1983年发布了其识别 印刷体日文汉字的OCR系统．其识别速度为每秒 70～100个汉字，最高识别率达到99．5％。经过不 断改进．针对手写印刷体 13文汉字的识别现在已 经达到实际应用水平 我国在 OCR技术方面的研究工作起步较晚． 在 7O年代才开始对数字、英文字母及符号的识别 进行研究；7O年代末开始进行汉字识别的研究。 我国政府从七五科技攻关计划开始到现在的 863 计划一直长期支持中文 OCR的研发．是中文 OCR 技术进步的最重要推动力。从 80年代中期开始。 国内开始了中文 OCR的研究热潮．到 90年代中 期．国内汉王公司推出了汉王中文 OCR系统。达 到可初步实用化的水平 、 从中文 OCR技术的发展来看．其研发与应用 经历了如下几个阶段： (1)印刷体单字体识别 ．支持 国标一级汉字 3755字、繁体 5401字。简繁体和字体由用户指 明．识别率在 95％左右： (2)印刷体多字体识别 ．支持国标一级汉字 3755字，繁体 5401字，简繁体由用户指明，宋仿 楷黑四体混合识别．识别率在 95％左右．对质量较 差的印刷文稿的识别率会明显下降．印刷体表格 的识别系统开始出现： (3)多字体大字符集简繁混排、中英文混排识 别，支持国标二级汉字 6763字、繁(下转第 92页) 万方数据 福 建 电 脑 2012年第 6期 行 。 服务器端程序文件只有一个 ．假设其名称为 Demo．asp．使用时只需在 GE上动态增加一个网络 连接，即可生成一个动态运行的交通工具。如 http： ／／127．0．0．1／Demo．asp?id =l&PathKml =path1． kml&MarkKml=plane．km1．其中的ID参数用于区 分多个运动物体．MarkKml用于指定当前运动物 体图像的地标(如汽车、飞机等)文件名，可不加． kml，PathKml用于指定运行的路线图文件名，可不 加 ．kml 其主要代码如下： Response．CacheControl= ‘ no-cache” PathKml=UCase(request(”pathkml”)＆””) MarkKml=UCase(request(”MarkKml”)＆⋯’) if Right(PathKml，41<>”．KML”then PathKml=PathKml& ”． KML’。 if Right(MarkKml，4)<>"．KML”then MarkKml=MarkKml& ” ．KML” Id=request(”id”1＆⋯ 获取坐标号 Pathld=Session(Id＆”pathid”)&⋯’ if Pathld=⋯’then Pathld---0 else PathId=Cint(Pathld1 载入路标文件 ．并 替换坐标 set xmldoe=server．createobject(”microsoft．xmldom”、 xmldoc．1oad(server．mappath(PathKm1)) ZuiBiaoList= xmldoc．selectsin enode("／kml／Documenff PIacemark／LineString／coordinates”)．text ZuiBiaoList=split(ZuiBiaoList，””) if PathId>Ubound(ZuiBiaoList)then Pathld=0 NewZuobiao=ZuiBiaoList(Pathld) Session(Id&”pathid”)=Pa~Id+l xmldoc．1oad(server．mappath(MarkKm1)) xmldoc．selectsinglenode ("／kml／Document／Placemark／Point／ coordinates”)．text=NewZuobiao response．write xmldoc．x【nl 4、结语 本文实现了基于 GoogleEarth二次开发 的物 流车辆监控系统．详细介绍了该系统的设计思路 及实现过程。可以看出，GoogleEarth作为一种广 受欢迎的地理信息系统。在很多方面有着巨大的 应用市场。 参考文献 ： [1】王强 郭进田 王宝庆 S-T-Google Earth实时交通控制 系统的实现西安文理学院学报(自然科学版)2008．04 [2]耿长良 GoogleEarth在城市轨道交通工程控制网布设 中的应 用 测绘通报 2011．7 (上接第 56页) 体 5401字、香港常用字等 1万多字，识别字体扩 充到常见的十多种字体．识别率在 99％左右．对质 量较差的印刷文稿的识别率有较强的适应性，脱 机手写数字识别和印刷体表格识别系统进入实用 化阶段 ： (4)各种应用系统开始推出，如名片识别系统、 汉王文本王、银行票据识别系统、增值税发票识别 认证系统等 由于新世纪初中文 OCR的识别率偏低。用户 满意度低．几乎没有 OCR的行业应用项 目，随着 国内信息化建设的进展．市场迫切需要解决多字 体大字符集、中英文混排、简繁混排、表格识别的 识别率和识别速度问题，版面的理解与还原问题 ， 识别系统对各种应用需求的适应性问题以及用户 使用的方便性问题。 3、结语 如今．OCR技术在我国的应用极为广泛 ，可 以说有汉字的地方就有 OCR技术应用的存在。在 信息技术及计算机技术 日益普及的今天，如何将 文字方便、快捷地输入到计算机中已经成为影响 人机接口效率的一个重要难题，也关系到计算机 是否能够真正在我国得到普及和应用。目前，OCR 对英文的正确识别率较高。而对于汉字，尤其是手 写汉字．识别率较低。如何提高 OCR对手写汉字 的识别率．将是未来的一个重要的研究方向。 参考文献： [1】陈熙霖．《手写体 字符识别》，模式识别与人工智能 ， 1993 【2】凌山．((OCR汉字识别技术》，工程设计CAD与智能建 筑 ．1999 [31白桦．《提高OCR识别率》．电脑知识与技术，2004 [4】邢立民，陈永琴．《扫描仪的 OCR技术》．实验 室科 学， 2006 万方数据 浅谈OCR技术的发展和应用 作者： 王文华 作者单位： 昭通师范高等专科学校,云南昭通,657000 刊名： 福建电脑 英文刊名： Fujian Computer 年，卷(期)： 2012,28(6) 本文链接：http://d.g.wanfangdata.com.cn/Periodical_fjdn201206027.aspx