圖像文件中文字識別的MapReduce并行處理研究.pdf

1、隨著信息化建設步伐的加快，作為人們熟知的文件檔案管理在應用領域里也面臨著新的挑戰(zhàn)。在面對數(shù)量眾多的檔案文件時，大多數(shù)人的觀念還停留在人工化、紙質(zhì)化層面，而利用OC R（光學字符識別）技術將圖像類型的文字材料方便、快捷地輸入到計算機當中并轉化為文字已經(jīng)廣泛應用于各行各業(yè)，同時，在面對眾多檔案資料文件時，分布式系統(tǒng)是解決海量信息存儲及處理的有效方式之一。
　　論文以圖像檔案管理為背景，主要研究如何對目前的檔案資料進行并行化處理。目前，

2、單位的檔案文件資料已經(jīng)逐步完成了紙質(zhì)化到電子化的轉換，但是在利用這些電子化圖像檔案的時候，所采用的還是單人單機單圖的模式，對于檔案管理人員來說工作量較大，而且在處理速度上不能滿足要求，因此迫切需要一種效率更高的處理方式。
　　針對存在的問題，論文在深入分析分布式系統(tǒng)和分布式計算思想之后，提出了在 Hadoop這一并行化平臺上，利用MapRed uce的計算方法，依托光學字符識別技術，對本單位圖像檔案進行處理。一是提出對圖像文件進行

3、中值濾波、灰度化和二值化的并行預處理算法，提高圖像質(zhì)量的同時優(yōu)化了預處理效率；二是在圖像預處理的基礎上，提出文字識別的MapRed uc e算法，通過在map函數(shù)中使用光學字符識別算法將圖像文件中的文字轉換為文本文件，使得識別率滿足需求的前提下提高識別速度；三是在配置搭建的Hadoop平臺下仿照所在單位當前電子圖像檔案類型的實際，對輸入的圖像文件進行了預處理和文字識別操作。通過實驗結果表明，本文所做的研究內(nèi)容可以有效提高圖像檔案的處理效