面向數(shù)字資源聚合平臺的光學字符識別技術(shù)的研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，基于Android、iOS等系統(tǒng)的移動設(shè)備的普及度越來越廣，用戶數(shù)字閱讀的需求也隨之越來越強烈，數(shù)字資源聚合平臺的建設(shè)也如火如荼。但是因為資源數(shù)量龐大、種類繁雜，如何滿足用戶基本功能需求并讓紙質(zhì)資源和數(shù)字資源相互配合使用依然存在大量問題。因此，一個可以滿足數(shù)字資源聚合平臺苛刻環(huán)境且能夠打通紙質(zhì)資源和數(shù)字資源的應(yīng)用系統(tǒng)變得至關(guān)重要。
　　光學字符識別的概念在二十世紀二十年代末被首次正式提出，在隨后的幾十年內(nèi)取得了極

2、大的發(fā)展。光學字符識別對于人類可能只是一項簡單而又瑣碎的任務(wù)，但要建立一個應(yīng)用程序進行字符識別是很困難的，因為技術(shù)的限制，實際應(yīng)用中的許多可變因素，例如攝像頭的硬件條件、外界環(huán)境等，都會對識別結(jié)果造成較大的影響。傳統(tǒng)的光學字符識別技術(shù)大多基于數(shù)學領(lǐng)域中的統(tǒng)計規(guī)律，如常用的模版匹配等。但是隨著技術(shù)和理論的成熟，光學字符識別已經(jīng)成為了人工智能、機器學習等領(lǐng)域的熱門方向之一。在過去的幾十年中，因為光學字符識別在許多行業(yè)都有著較高的應(yīng)用需求，其

3、已成為許多學者的研究目標。因此，本文認為研究一個結(jié)合機器學習理論且能夠精確識別紙質(zhì)資源的系統(tǒng)是非常有意義的。
　　近幾年，機器學習領(lǐng)域中的深度學習理論得到了如火如荼的發(fā)展。其概念起源于對人工神經(jīng)網(wǎng)絡(luò)的研究，其克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在訓練網(wǎng)絡(luò)方面的復(fù)雜度，能夠高效的抽象化有用信息并能去除冗余、矛盾的信息。而在光學字符識別系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)通常充當字符分類器的功能，深度學習亦如此。本文開發(fā)的字符分類器模塊結(jié)合了深度學習網(wǎng)絡(luò)的高度抽象化能力和

4、傳統(tǒng)淺層神經(jīng)網(wǎng)絡(luò)的調(diào)優(yōu)逼近能力，并通過測試確定了合理的網(wǎng)絡(luò)參數(shù)、利用識別準確率量化了圖像預(yù)處理對識別系統(tǒng)的影響及識別系統(tǒng)的魯棒性，測試表明與深層網(wǎng)絡(luò)、淺層網(wǎng)絡(luò)和傳統(tǒng)的模版匹配算法相比，改進的網(wǎng)絡(luò)學習算法都有著一定的優(yōu)勢。
　　盡管結(jié)合深層網(wǎng)絡(luò)和淺層網(wǎng)絡(luò)的算法有一定的優(yōu)勢，其也并不是完美無缺的。雖然在應(yīng)用中可以看出，本系統(tǒng)已經(jīng)基本可以完成字符識別的任務(wù)，但今后還將繼續(xù)挖掘深度學習的潛能，提高識別能力，并利用不同的技巧來提升系統(tǒng)的魯棒