印刷體數(shù)學(xué)公式符號(hào)的切分與識(shí)別.pdf

1、科技文獻(xiàn)作為記錄科學(xué)技術(shù)信息的載體，對(duì)其進(jìn)行數(shù)字化是建設(shè)信息化社會(huì)的迫切需要。目前廣泛應(yīng)用的OCR（Optical character recognition，光學(xué)字符識(shí)別）技術(shù)可以將印刷體文獻(xiàn)中的文字高速、自動(dòng)地輸入計(jì)算機(jī)，且取得很高的識(shí)別率。但是科技文獻(xiàn)中包含大量的數(shù)學(xué)公式，OCR還不能對(duì)其進(jìn)行正確識(shí)別，只能將其存儲(chǔ)為圖片格式，不僅占用大量空間，而且不能對(duì)其進(jìn)行再編輯。因此，數(shù)學(xué)公式自動(dòng)識(shí)別在將科技文獻(xiàn)轉(zhuǎn)化為電子文檔的過(guò)程中具有重要

2、的意義。
　　 印刷體數(shù)學(xué)公式識(shí)別系統(tǒng)包括公式抽取、公式符號(hào)識(shí)別、公式結(jié)構(gòu)分析和公式重構(gòu)四個(gè)組成部分。其中，公式符號(hào)識(shí)別模塊是系統(tǒng)的核心部分，其功能是將公式中的符號(hào)圖像轉(zhuǎn)換成相應(yīng)的代碼，分為符號(hào)切分和符號(hào)識(shí)別兩個(gè)階段。針對(duì)傳統(tǒng)的文字識(shí)別器在識(shí)別公式符號(hào)中存在的問(wèn)題，本文對(duì)印刷體數(shù)學(xué)公式符號(hào)切分和識(shí)別展開研究，設(shè)計(jì)了能夠適應(yīng)公式符號(hào)二維分布、大小不一、多交疊、多字體等特點(diǎn)的切分和識(shí)別算法。首先采用迭代自組織的符號(hào)切分方法對(duì)公式符號(hào)