印刷體數(shù)學公式識別的研究.pdf

1、隨著網(wǎng)絡技術的迅猛發(fā)展，信息資源的電子化成為至關重要的問題。數(shù)學公式是許多科技文獻的重要組成部分，手工輸入困難，自動輸入技術的研究就尤為重要。現(xiàn)有的OCR(OpticalCharacterRecognition)技術雖然對中英文字符和數(shù)字等符號都能獲得較好的識別效果，但無法處理數(shù)學公式。其原因在于數(shù)學公式具有復雜的二維嵌套結構，并且公式符號含義具有多樣性，這使得數(shù)學公式在切分和結構分析方面存在很多困難。因此，數(shù)學公式識別已經(jīng)成為OCR領

2、域的一個研究熱點。 印刷數(shù)學公式識別系統(tǒng)主要包括三個組成部分：公式提取、公式分析與識別和公式重構。公式分析與識別作為印刷數(shù)學公式識別系統(tǒng)的三個組成部分之一，其準確性直接影響公式重構的質(zhì)量，是整個數(shù)學公式識別系統(tǒng)的關鍵。 本文對公式分析與識別部分做了較深入研究。主要從以下幾個方面進行了改進： 在公式字符識別階段，針對公式自身的特點，提出了一種基于連通域搜索的公式字符切分算法，并通過公式字符識別結果的反饋信息對粘連字