中文印刷體文檔數(shù)學公式識別系統(tǒng).pdf

1、本文提出一種對文檔中的數(shù)學公式定位提取后利用基于特征字符的印刷體數(shù)學公式識別方法的設計思想，并給出了完整算法，將印刷體的數(shù)學公式(圖像格式)轉(zhuǎn)換成可編輯的電子格式。主要分為以下幾個部分： 首先，預處理。圖像在生成的過程中容易引進噪聲，為了使圖像達到要求，要對它進行二值化、平滑去噪、細化、大小歸一化等處理。 其次，公式定位。利用統(tǒng)計計算文檔正文一行文本字符寬度2階中心矩的修正值大小來判定這行文本中是否含有數(shù)學公式。在判定含

2、有數(shù)學公式的文本行中，利用數(shù)學公式符號與漢字字符外部形態(tài)特征的不同把它們區(qū)分開，并定位數(shù)學公式。 然后，公式字符識別。由于定位的是一個整體的公式，需要知道公式包含的各個字符以及它們之間的位置關(guān)系，因此，就要分割公式所包含的字符并且識別它們。采用快速算法進行字符的分割，用模板匹配的方法進行字符識別。 接下來，研究結(jié)構(gòu)分析。采用基于特征字符的方法進行結(jié)構(gòu)分析，提出了特征字符和特征子塊的概念。對輸入的公式，按照特征字符的處理算