印刷體化學表達式識別技術研究.pdf

1、近年來,隨著公式識別技術的不斷發(fā)展,公式識別領域出現(xiàn)了一個新的研究問題——化學表達式識別問題。由于化學表達式和數(shù)學表達式一樣,是自然科學領域應用廣泛的一種表達式,因此它的識別問題已得到了關注,國內(nèi)外相關領域研究人員已經(jīng)提出了一些解決方法。本文正是針對化學表達式的自動識別技術展開研究,與普通文本相比,化學表達式在尺寸、結構、分布上特點顯著,這些均為印刷體化學表達式的成功識別創(chuàng)造了條件。作為OCR技術的一個專項領域的擴充,通過計算機對文檔圖

2、像中包含的化學表達式進行自動定位、提取和識別以及輸出,從而實現(xiàn)對其重新編輯、驗證、復用等功能。在電子計算機技術、網(wǎng)絡技術加速發(fā)展的今天,開展對化學表達式識別技術的研究有著重要的理論意義和實用價值。
　　本課題在實驗室前期的研究成果——中文印刷體文檔識別系統(tǒng)的基礎上,對該系統(tǒng)進行了功能上的完善和擴充,實現(xiàn)了其對印刷體化學表達式的識別,本文主要工作概括敘述如下:
　　首先,構建了化學表達式識別框架,從文檔圖像預處理、化學表達式提

3、取、字符識別以及結構分析等方面對化學表達式識別系統(tǒng)進行設計,采取了模塊化的設計思想解決問題。
　　然后,提出了基于改進投影法的化學表達式定位技術,主要包括化學表達式的行提取、合并,化學表達式行的判別以及化學表達式的定位提取。
　　其次,通過基于支持向量機的算法對定位后的化學表達式進行環(huán)/非環(huán)的分類,并分割出化學表達式的文本單元與結構單元,然后利用基于改進的霍夫變換法對化學鍵等結構進行識別,同時充分考慮了立體化學鍵——楔形鍵的