Die optische Zeichenerkennung (OCR) ist die Übersetzung von optisch eingescannte Bitmaps von gedruckten oder geschriebenen Textzeichen in Zeichencodes, wie ASCII. Dies ist eine effiziente Möglichkeit, gedruckte Materialien in Dateien, die bearbeitet werden kann und ansonsten auf einem Computer bearbeitet drehen. Dies ist die Technologie lange von Bibliotheken und Behörden eingesetzt umfangreiche Dokumente schnell elektronisch zur Verfügung zu stellen. Fortschritte in der OCR-Technologie haben die zunehmende Verwendung von Unternehmen vorangetrieben. Für viele Dokument-Eingabeaufgaben ist OCR die kostengünstiger und rasche Methode zur Verfügung. Und jedes Jahr die Technologie befreit Hektar Stauraum einmal über den Aktenschränken und Kisten voller Papierdokumente gegeben. Bevor OCR verwendet werden kann, muss das Ausgangsmaterial unter Verwendung eines optischen Scanners (und manchmal auch eine spezialisierte Leiterplatte in dem PC) in der Seite als Bitmap (ein Punktmuster) zu lesen gescannt. Software, um die Bilder zu erkennen ist ebenfalls erforderlich.
Unsere Software-Paket schlägt vor, die Klassifizierung von isolierten handgeschriebenen Buchstaben und Ziffern der UJI Pen Charaktere Data Set mit Neuronalen Netzen zu lösen. Die Daten bestehen aus Proben von 26 Zeichen und 10 Stellen von 11 Autoren auf einem Tablet-PC geschrieben. Die Zeichen (in Standard UNIPEN Format) werden sowohl in Groß- und Kleinbuchstaben geschrieben und es gibt eine ganze Reihe von zwei Zeichen pro Schriftsteller. So sollte die Ausgabe in einem der 35 Klassen. Das letztendliche Ziel baut ein Schriftsteller unabhängiges Modell für jedes Zeichen.
Die Auswahl der wertvollen Eigenschaften ist von entscheidender Bedeutung bei der Zeichenerkennung, damit eine neue und sinnvolle Satz von Funktionen, die vollständige Differential normalisierten Koordinaten (UDNC), vertreten durch C. Agell eingeführt wird, wird angenommen. Diese Funktionen werden gezeigt, um die Erkennungsrate mit einfachen Klassifikationsalgorithmen, so dass sie verwendet werden, um die Ausbildung eines neuronalen Netzes und testen Sie die Leistung auf UJI Pen Charaktere Data Set sind zu verbessern.
Index-Ausdrücke:. Matlab, Quelle, Code, OCR, Optical Character Recognition, gescannten Text, geschriebenem Text, ASCII, isoliert Zeichen
Anforderungen :
Matlab
Kommentare nicht gefunden