【導(dǎo)讀】證的使用量呈現(xiàn)了跨越式增長(zhǎng)。現(xiàn)今我國(guó)的信息化已經(jīng)進(jìn)入全方位、多層次推進(jìn)。球化帶來(lái)的行業(yè)競(jìng)爭(zhēng)不斷加劇，國(guó)內(nèi)金融業(yè)對(duì)票據(jù)自動(dòng)化處理系統(tǒng)的需求也漸大，票據(jù)自動(dòng)處理系統(tǒng)以實(shí)現(xiàn)自動(dòng)的票。臨柜帳務(wù)數(shù)據(jù)進(jìn)行核對(duì)，替代操作人員完成事后監(jiān)督工作；配有印章驗(yàn)證系統(tǒng)后，別，提升銀行業(yè)務(wù)處理效率。作為票據(jù)自動(dòng)化處理過(guò)程中不可或缺的核心技。據(jù)要素的自動(dòng)提取以及識(shí)別，并將數(shù)據(jù)提供給后續(xù)的相關(guān)業(yè)務(wù)使用。據(jù)OCR識(shí)別屬于模式識(shí)別和人工智能的范疇，不僅對(duì)銀行業(yè)有非常大的實(shí)用價(jià)值，醫(yī)務(wù)、政府行政管理等領(lǐng)域都有著廣泛的應(yīng)用前景。應(yīng)用的關(guān)鍵在于，確保票據(jù)各識(shí)別域識(shí)別結(jié)果的高可靠性。的研究，并給出了相應(yīng)的實(shí)現(xiàn)方案?？蚓€間的相似度，提出了由粗到細(xì)的多類別票據(jù)版面判定的方法。上的試驗(yàn)結(jié)果表明了該算法的有效性。符串進(jìn)行有效的切分。驗(yàn)的評(píng)價(jià)方式，結(jié)果證實(shí)了提出的算法更為有效。合結(jié)構(gòu)特征和統(tǒng)計(jì)特征的手寫數(shù)字識(shí)別算法。用中都取得了比較好的效果。

　　

【正文】 不僅對(duì)銀行業(yè)有非常大的實(shí)用價(jià)值，而且容易在其他領(lǐng)域中得到轉(zhuǎn)化應(yīng)用，在國(guó)內(nèi)外保險(xiǎn)、海關(guān)、稅務(wù)、教育、郵政、醫(yī)務(wù)、政府行政管理等領(lǐng)域都有著廣泛的應(yīng)用前景。 票據(jù)自動(dòng) 處理系統(tǒng)實(shí)際應(yīng)用的關(guān)鍵在于，確保票據(jù)各識(shí)別域識(shí)別結(jié)果的高可靠性。本文對(duì)票據(jù)自動(dòng)處理系統(tǒng)的各個(gè)模塊進(jìn)行相應(yīng)的分析，對(duì)票據(jù)自動(dòng)識(shí)別中的若干關(guān)鍵技術(shù)進(jìn)行了深入的研究，并給出了相應(yīng)的實(shí)現(xiàn)方案。主要研究工作可歸納為以下三部分： （一）在版面分析中，首先根據(jù)票據(jù)中框線目標(biāo)的特點(diǎn)，提出了一種有效的框線檢測(cè)與提取算法；其次，基于框線提取，采用基于框線相關(guān)性的相似度模型來(lái)計(jì)算票據(jù)框線間的相似度，提出了由粗到細(xì)的多類別票據(jù)版面判定的方法。在真實(shí)數(shù)據(jù)集上的試驗(yàn)結(jié)果表明了該算法的有效性。 （二）預(yù)處理中，根據(jù)票據(jù)圖像的特點(diǎn) 1）通過(guò)綜合字符筆畫雙邊緣特征與背景抑制增強(qiáng)，來(lái)提取復(fù)雜背景下識(shí)別域子圖中的字符目標(biāo)； 2）采用連通鏈結(jié)構(gòu)來(lái)描述框線檢測(cè)結(jié)果與字符目標(biāo)提取結(jié)果融合后的框線區(qū)域，通過(guò)對(duì)交疊進(jìn)行檢測(cè)和標(biāo)記，來(lái)判別字符與框線的交疊方式，并據(jù)此保留字符筆畫去除框線干擾，還原待識(shí)別字串真實(shí)的面貌； 3）結(jié)合輪廓分析與拓?fù)浣Y(jié)構(gòu)分析，來(lái)確定粘連數(shù)字串的分割策略，對(duì)無(wú)限制手寫數(shù)字字符串進(jìn)行有效的切分。最后采用視覺(jué)效果評(píng)判和基于字符識(shí)別的同類算法對(duì)比實(shí)驗(yàn)的評(píng)價(jià)方式，結(jié)果證實(shí)了提出的算法更為有效。 （三）在手寫體數(shù)字字符識(shí)別中，分別從構(gòu)建代表 訓(xùn)練樣本集和組合分類器與特征的角度出發(fā)，對(duì)手寫體數(shù)字識(shí)別進(jìn)行了研究，提出了基于 AP 與 LDA 的手寫阿拉伯?dāng)?shù)字識(shí)別算法，及組合結(jié)構(gòu)特征和統(tǒng)計(jì)特征的手寫數(shù)字識(shí)別算法。所提算法在仿真數(shù)據(jù)集以及現(xiàn)實(shí)應(yīng)用中都取得了比較好的效果。 本文最后簡(jiǎn)要介紹了票據(jù)自動(dòng)識(shí)別子系統(tǒng)在銀行票據(jù)后督系統(tǒng)和支票影像交換系統(tǒng)行內(nèi)系統(tǒng)中的應(yīng)用實(shí)例，均已在實(shí)際中得到應(yīng)用，取得了良好的效果。 隨著我國(guó)經(jīng)濟(jì)的迅速發(fā)展以及全國(guó)票據(jù)交換系統(tǒng)的推廣，使得金融票據(jù)憑證的使用量呈現(xiàn)了跨越式增長(zhǎng)?，F(xiàn)今我國(guó)的信息化已經(jīng)進(jìn)入全方位、多層次推進(jìn)的新階段，信息化也從 對(duì)銀行發(fā)展的 “ 支持 ” 階段走向 “ 支撐 ” 階段，由經(jīng)濟(jì)全球化帶來(lái)的行業(yè)競(jìng)爭(zhēng)不斷加劇，國(guó)內(nèi)金融業(yè)對(duì)票據(jù)自動(dòng)化處理系統(tǒng)的需求也漸大，票據(jù)自動(dòng)處理系統(tǒng)的市場(chǎng)前景十分廣闊。 票據(jù)自動(dòng)處理系統(tǒng)以實(shí)現(xiàn)自動(dòng)的票據(jù)輸入與復(fù)核為目標(biāo)，覆蓋了從前端信息錄入到后端事后監(jiān)督的主要部分：直接從票據(jù)憑證影像中提取要素?cái)?shù)據(jù)（如憑證號(hào)，賬號(hào)，日期，金額，磁碼等），在后臺(tái)進(jìn)行 OCR 流水識(shí)別，自動(dòng)建立憑證索引，以便于支票圖像存檔檢索；與銀行事后監(jiān)督系統(tǒng)相結(jié)合，生成待監(jiān)督數(shù)據(jù)文件，通過(guò)與流水識(shí)別取得的業(yè)務(wù)系統(tǒng)中臨柜帳務(wù)數(shù)據(jù)進(jìn)行核對(duì)，替代操作人員完 成事后監(jiān)督工作；配有印章驗(yàn)證系統(tǒng)后，自動(dòng)將憑證圖像中的客戶印章與系統(tǒng)中預(yù)留的印鑒進(jìn)行比較，完成印章的真?zhèn)巫R(shí)別，提升銀行業(yè)務(wù)處理效率。 作為票據(jù)自動(dòng)化處理過(guò)程中不可或缺的核心技術(shù)，票據(jù) OCR 系統(tǒng)主要根據(jù)票據(jù)影像，來(lái)完成種類和主附件關(guān)系的判定，以及票據(jù)要素的自動(dòng)提取以及識(shí)別，并將數(shù)據(jù)提供給后續(xù)的相關(guān)業(yè)務(wù)使用。在學(xué)科上票據(jù)OCR 識(shí)別屬于模式識(shí)別和人工智能的范疇，不僅對(duì)銀行業(yè)有非常大的實(shí)用價(jià)值，而且容易在其他領(lǐng)域中得到轉(zhuǎn)化應(yīng)用，在國(guó)內(nèi)外保險(xiǎn)、海關(guān)、稅務(wù)、教育、郵政、醫(yī)務(wù)、政府行政管理等領(lǐng)域都有著廣泛的應(yīng)用前景。 票據(jù)自動(dòng)處理系統(tǒng)實(shí)際應(yīng)用的關(guān)鍵在于，確保票據(jù)各識(shí)別域識(shí)別結(jié)果的高可靠性。本文對(duì)票據(jù)自動(dòng)處理系統(tǒng)的各個(gè)模塊進(jìn)行相應(yīng)的分析，對(duì)票據(jù)自動(dòng)識(shí)別中的若干關(guān)鍵技術(shù)進(jìn)行了深入的研究，并給出了相應(yīng)的實(shí)現(xiàn)方案。主要研究工作可歸納為以下三部分： （一）在版面分析中，首先根據(jù)票據(jù)中框線目標(biāo)的特點(diǎn)，提出了一種有效的框線檢測(cè)與提取算法；其次，基于框線提取，采用基于框線相關(guān)性的相似度模型來(lái)計(jì)算票據(jù)框線間的相似度，提出了由粗到細(xì)的多類別票據(jù)版面判定的方法。在真實(shí)數(shù)據(jù)集上的試驗(yàn)結(jié)果表明了該算法的有效性。 （二）預(yù)處理中，根據(jù) 票據(jù)圖像的特點(diǎn) 1）通過(guò)綜合字符筆畫雙邊緣特征與背景抑制增強(qiáng)，來(lái)提取復(fù)雜背景下識(shí)別域子圖中的字符目標(biāo)； 2）采用連通鏈結(jié)構(gòu)來(lái)描述框線檢測(cè)結(jié)果與字符目標(biāo)提取結(jié)果融合后的框線區(qū)域，通過(guò)對(duì)交疊進(jìn)行檢測(cè)和標(biāo)記，來(lái)判別字符與框線的交疊方式，并據(jù)此保留字符筆畫去除框線干擾，還原待識(shí)別字串真實(shí)的面貌； 3）結(jié)合輪廓分析與拓?fù)浣Y(jié)構(gòu)分析，來(lái)確定粘連數(shù)字串的分割策略，對(duì)無(wú)限制手寫數(shù)字字符串進(jìn)行有效的切分。最后采用視覺(jué)效果評(píng)判和基于字符識(shí)別的同類算法對(duì)比實(shí)驗(yàn)的評(píng)價(jià)方式，結(jié)果證實(shí)了提出的算法更為有效。 （三）在手寫體數(shù)字字符識(shí)別中， 分別從構(gòu)建代表訓(xùn)練樣本集和組合分類器與特征的角度出發(fā)，對(duì)手寫體數(shù)字識(shí)別進(jìn)行了研究，提出了基于 AP 與 LDA 的手寫阿拉伯?dāng)?shù)字識(shí)別算法，及組合結(jié)構(gòu)特征和統(tǒng)計(jì)特征的手寫數(shù)字識(shí)別算法。所提算法在仿真數(shù)據(jù)集以及現(xiàn)實(shí)應(yīng)用中都取得了比較好的效果。 本文最后簡(jiǎn)要介紹了票據(jù)自動(dòng)識(shí)別子系統(tǒng)在銀行票據(jù)后督系統(tǒng)和支票影像交換系統(tǒng)行內(nèi)系統(tǒng)中的應(yīng)用實(shí)例，均已在實(shí)際中得到應(yīng)用，取得了良好的效果。 《《《特別提醒》》》：正文內(nèi)容由 PDF 文件轉(zhuǎn)碼生成，如您電腦未有相應(yīng)轉(zhuǎn)換碼，則無(wú)法顯示正文內(nèi)容，請(qǐng)您下載相應(yīng)軟件，下載地址為 。如還不能顯示，可以聯(lián)系我 q q 1627550258 ，提供原格式文檔。 垐垯櫃 換燙梯葺銠 ? endstream endobj 2 x滌 ?`U 39。閩 AZ箾 FTP 鈦 X飼 ?狛 ]P ?燚\? 琯嫼 b?袍 *﹁甒 ?]颙嫯 39。??4)=r宵 ?i?]j彺帖 B3锝檡骹 笪 yLrQ?0鯖 l壛枒 l壛枒 l壛枒 l壛枒 l壛枒 l壛枒 l 壛枒 l 壛枒 l 壛枒 l壛枒 l壛枒 l壛 渓 ?@擗?? € 綫 G 劌 K 芿 ${` ? ? ~??Wa 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 皗 E|?pDb 癳 $[Fb 癳 $[Fb 癳$[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb癳 $[Fb 癳 $[F?責(zé)鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵 秾腵薍秾腵 % ?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍 G??螪 t 俐 猻覎 ? 烰 :X=[勢(shì) } ) [趯飥 ?媂 ^s 劂/ x?矓 w豒庘 q?唙 ?鄰爖媧 \ㄤ A|Q 趗擓 蒚 ?緱 ^ ~鱔嗷 P?笄 nf( 鱂匧 叺 9就菹 $