印刷體數學公式符號的切分與識別.pdf

1、科技文獻作為記錄科學技術信息的載體，對其進行數字化是建設信息化社會的迫切需要。目前廣泛應用的OCR（Optical character recognition，光學字符識別）技術可以將印刷體文獻中的文字高速、自動地輸入計算機，且取得很高的識別率。但是科技文獻中包含大量的數學公式，OCR還不能對其進行正確識別，只能將其存儲為圖片格式，不僅占用大量空間，而且不能對其進行再編輯。因此，數學公式自動識別在將科技文獻轉化為電子文檔的過程中具有重要

2、的意義。
　　 印刷體數學公式識別系統(tǒng)包括公式抽取、公式符號識別、公式結構分析和公式重構四個組成部分。其中，公式符號識別模塊是系統(tǒng)的核心部分，其功能是將公式中的符號圖像轉換成相應的代碼，分為符號切分和符號識別兩個階段。針對傳統(tǒng)的文字識別器在識別公式符號中存在的問題，本文對印刷體數學公式符號切分和識別展開研究，設計了能夠適應公式符號二維分布、大小不一、多交疊、多字體等特點的切分和識別算法。首先采用迭代自組織的符號切分方法對公式符號