文件修正系统的设计与实现

文字识别软件在识别文字时会产生错字、漏字等错误，因此要进行文件修正，以解决文本显示、文本修正和数据正确输出3个核心问题。为了保证数据的输入、显示、修正和输出时的完整性，设计了4个数据结构体，分别存储文字、表格、图像及需要修改的错误文字的信息，从而在改正原文件错误信息的同时不丢失原有信息。采用面向对象的方法将系统划分为文本视图对象、文本编辑对象和文本文档对象，方便地实现了文本文档数据的传输、文本内容的显示及文本内容的编辑。     

支票大写金额的印刷体与手写体辨识

针对银行支票大写金额识别工作中的手写体和印刷体辨识，抽取了4组分类特征，较好地体现了印刷体字符和手写体字符的区别。并且在构造分类器时，介绍了求取各分类特征对识别结果影响大小的权值向量的方法。在银行提供的大量真实票据上进行了验证，并且应用于实际的银行自动支票处理系统，取得了很好的效果。     

基于Trie结构的带通配符的相似字符串匹配算法

提出了一种新的相似字符串查询的方法。其目的在于提高基于相似字符串匹配的查询在大规模字符串数据库中的查询效率，并且提供带通配符的字符串查询方式。该方法使用Trie数据结构组织数据库中的数据，使用基于编辑距离的相似字符串匹配方法，在Trie数据结构中进行高效的匹配和查询，得到K相似度下的候选词集。实验证明，本方法在K≤2时具有相当高的查询效率。     

A word level segmentation for off-line Arabic characters

0　ＩＮＴＲＯＤＵＣＴＩＯＮＦｏｒｔｈｅ ｐａｓｔｔｈｉｒｔｅｅｎｙｅａｒｓ ,ｔｈｅｒｅｈａｓｂｅｅｎａｎｉｍｍｅｎｓｅｉｎｔｅｒｅｓｔａｍｏｎｇｒｅｓｅａｒｃｈｅｒｓｉｎｔｈｅｐｒｏｂｌｅｍｓｒｅｌａｔｅｄｔｏｍａｃｈｉｎｅｓｉｍｕｌａｔｉｏｎｏｆｈｕｍａｎｒｅａｄｉｎｇ .Ｍｏｓｔｏｐｔｉｃａｌｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ (ＯＣＲ)ｍｅｔｈ ｏｄｓａｓｓｕｍｅｔｈａｔｉｎｄｉｖｉｄｕａｌｃｈａｒａｃｔｅｒｓｃａｎｂｅｉｓｏｌａｔｅｄ ,ａｎｄｓｕｃｈｔｅｃｈｎｉｑｕｅｓ ,ａｌｔｈｏｕｇｈ…     

一种快速实用的拓印字符提取算法

拓印字符的自动识别是字符识别的一个特殊应用领域，单纯依靠一般的OCR方法不能取得满意的结果。因为拓帖图像的质量普遍较差，如何准确提取字符是使用OCR方法进行字符识别的瓶颈。文中以机动车发动机号码的拓帖为例，提出了一种基于纹理分析的算法来提取从凹版上拓印下来的字符。该方法在有效改善原始图像的基础上，能快速准确地提取拓印字符。     

PessimalPrint: a reverse Turing test

Abstract. We exploit the gap in ability between human and machine vision systems to craft a family of automatic challenges that tell human and machine users apart via graphical interfaces including Internet browsers. Turing proposed [Tur50] a method whereby human judges might validate “artificial intelligence” by failing to distinguish between human and machine interlocutors. Stimulated by the “chat room problem” posed by Udi Manber of Yahoo!, and influenced by the CAPTCHA project [BAL00] of Manuel Blum et al. of Carnegie-Mellon Univ., we propose a variant of the Turing test using pessimal print: that is, low-quality images of machine-printed text synthesized pseudo-randomly over certain ranges of words, typefaces, and image degradations. We show experimentally that judicious choice of these ranges can ensure that the images are legible to human readers but illegible to several of the best present-day optical character recognition (OCR) machines. Our approach is motivated by a decade of research on performance evaluation of OCR machines [RJN96,RNN99] and on quantitative stochastic models of document image quality [Bai92,Kan96]. The slow pace of evolution of OCR and other species of machine vision over many decades [NS96,Pav00] suggests that pessimal print will defy automated attack for many years. Applications include `bot' barriers and database rationing. Received: February 14, 2002 / Accepted: March 28, 2002 An expanded version of: A.L. Coates, H.S. Baird, R.J. Fateman (2001) Pessimal Print: a reverse Turing Test. In: {\it Proc. 6th Int. Conf. on Document Analysis and Recognition}, Seattle, Wash., USA, September 10–13, pp. 1154–1158 Correspondence to: H. S. Baird     

用于脱机手写数字识别的隐马尔可夫模型

将隐马尔可夫模型(HMM)用于脱机手写数字识别中，系统如何建模是一个值得研究的问题．在考虑手写数字自身特点及特征抽取的基础上，对HMM模型的训练方法及模型参数的选取进行了研究，以提高系统识别率．在银行票据OCR的应用中，与基于神经网络的方法结合使用，使得整张票据的拒识率降低了3％，明显提高了银行票据OCR系统的性能．     

中文网页文字信息的提取方法

针对不同类型的中文网页及网页中含有文字的图片,提出了提取文字信息的几种方法,解决了特殊中文网页中文字信息无法提取的问题。