【導(dǎo)讀】能接口，還可以作為辦公自動(dòng)化、新聞出版、機(jī)器翻譯等領(lǐng)域的理想輸入方式，有著廣泛的應(yīng)用前景。漢字識(shí)別的最終目的是使中文信息能更自然，更方便地輸。意義及背景作了綜述。第二章介紹了漢字識(shí)別的基本過(guò)程以及印刷體漢字識(shí)別研。究存在的問(wèn)題與困難。第三章對(duì)印刷體漢字識(shí)別作了詳細(xì)闡述，論述了印刷體漢。別方法、結(jié)構(gòu)模式識(shí)別方法以及匹配識(shí)別；第四章用Matlab對(duì)系統(tǒng)進(jìn)行了仿真；最后闡明了漢字識(shí)別技術(shù)研究今后發(fā)展的方向。

　　

【正文】 識(shí)別的正確率。分析人類在識(shí)別文字的過(guò)程 ，文字一般都是結(jié)合上下文進(jìn)行理解的，因此，計(jì)算機(jī)在識(shí)別文字時(shí)也可以在識(shí)別單字的基礎(chǔ)上，結(jié)合單字的上下文信息對(duì)識(shí)別結(jié)果進(jìn)行校正，以單詞甚至句子作為一次識(shí)別的結(jié)果。依據(jù)對(duì)語(yǔ)言文字的統(tǒng)計(jì)信息。識(shí)別方法加后處理的方法，能夠提高識(shí)別率，降低誤識(shí)率，但會(huì)增加識(shí)別時(shí)間。隨著識(shí)別方法的不斷優(yōu)化和后處理技術(shù)的不斷成熟，將兩者結(jié)合起來(lái)會(huì)成為將來(lái)識(shí)別的方向。 同國(guó)外相比 ,我國(guó)的印刷體漢字識(shí)別研究起步較晚。從簡(jiǎn)單的單體識(shí)別發(fā)展到多種字體多字號(hào)的混排識(shí)別 ,從中文印刷材料的識(shí)別發(fā)展到中英混排印刷材料的雙語(yǔ)識(shí)別。印刷體漢字識(shí)別技術(shù)的發(fā)展 有了長(zhǎng)足進(jìn)步 ,但就目前這一技術(shù)的發(fā)展?fàn)顩r來(lái)看 ,還存在著一些可改進(jìn)之處 :印刷體漢字識(shí)別的魯棒性（ Robustness）還不夠強(qiáng) 。在印刷質(zhì)量差的情況下 ,系統(tǒng)誤識(shí)率較高 。漢英混排文本的切分理論和方法還缺乏系統(tǒng)的研究 。版面復(fù)雜的印刷文本的自動(dòng)理解需要進(jìn)一步提高。這些都是漢字識(shí)別技術(shù)今后努力發(fā)展的重要方向。 25 參考文獻(xiàn) [1] 吳佑壽，丁曉青．漢字識(shí)別 [M]．北京：高等教育山版社， 1992． [2] 邊肇琪，張學(xué)工．模式識(shí)別 [M]．北京：清華大學(xué)出版社， 2020． [3] 梁涌．印刷體漢字識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)： （碩士學(xué)位論文）．西安：西北工業(yè)大學(xué)， 2020． [4] Mori K， LMasuda． Advances in Recognition of Chinese characters[J]， Proc． Of 5th Inten． conf． on Pattern Recognition， 1980： 692— 720． [5] Whilchello A P， Yan H． Linking broken character borders with variable sized marks to improve recognition[M]． Pattern Recognition， 1996， 29（ 8） ： 1429— 1433． [6] 張忻中．中國(guó)漢字識(shí)別技術(shù)綜述 [M]， Intern． Con． on puter processing of Chinese and oriental Language， April 25— 28， 1990。 [7] Wang N． Printed Chinese Character Recognition Based on Pixel Distribution Probabilityof Character Image[M] ． International Conference on Intelligent Information Hiding and Multimedia Signal Processing， 2020： 1403— 1407． [8] 范承亞．多體印刷漢字識(shí)別系統(tǒng)的識(shí)別模型和預(yù)處理技術(shù) [M]．計(jì)算機(jī)工程與應(yīng) 用， 1995， 31（ 4）： 50— 54． [9] 蘇彥華． Visual C++數(shù)字圖像識(shí)別技術(shù)典型案例 [M]．北京：人民郵電出版社， 2020． [10] Ichio S， Hiroshi F， Gisaku N． A thinning algorithm for digital figures of characters[J]． Proceedings of the 4th IEEE Southwest Symposium on Image Analysis and Interpretation， 2020： 83— 87． [11] Kenh R， Castleman. Digital Image Processing[M]．北京：清華人學(xué)出版社， 1998． [12] Hsieh S L， Parng T M． A new scheme for rectifying recognition results of printed Chinese character[J]． Pattern （ 2020） ： 2121— 2132． [13] Wang K J， Liu D Y et a1． An improved method on Chinese character recognition[J]． Proceedings of the Second International Conference on Machine Learning and Cyberics， 2020， 5： 3072— 3076． [14] Yu T， Tang Y Y． The feature extraction of Chinese character based on Contour Information[J]． Proceedings of the Fifth International Conference on Document Analysis and Recognition， 1999： 637— 640． [15] 張宏林． Visual C++數(shù)字圖像識(shí)別技術(shù)及工程實(shí)踐 [M]．北京：人民郵電出版社，2020． 26 附 錄 附錄 1 %亂序圖像識(shí)別： load bp。 G=imread(39。39。)。%讀取 I=rgb2gray(G)。 %轉(zhuǎn)灰度圖象 B1=filter2(fspecial(39。average39。,3),I)/255。 %以 [3,3]為模板均值濾波 %均值濾波 d=im2bw(B1,)。 %二值 k1=1。k2=1。s=sum(d39。)。j=2。a=1。c=1 [m, n]=size(d39。)。 while s(j)==m j=j+1。 end k1=j。 while s(j)~=m amp。amp。 j=n1 j=j+1。 end k2=j1。 d=d((k1:k2),:)。 %行分割 [m,n]=size(d)。 k1=1。k2=1。s=sum(d)。j=2。a=1。c=1 for a=1:16 while s(j)==m j=j+1。 end k1=j。 while s(j)~=m amp。amp。 j=n1 j=j+1。 end k2=j1。 %列分割 if c==1 b1=d(:,(k1:k2))。 imwrite(b1,39。39。)。 t1=tezhengtiqu(b1)。 P_test = [t139。]。 y = sim(,P_test)。 %用訓(xùn)練出 來(lái)的神經(jīng)網(wǎng)絡(luò)計(jì)算數(shù)據(jù)的第 %P_test 行 word=jieguoxianshi(y) end %第 1 個(gè)字符 if c==2 b2=d(:,(k1:k2))。 imwrite(b2,39。39。)。 t2=tezhengtiqu(b2)。 %用十三點(diǎn)特征提取法提取特征 P_test = [t2]。 y = sim(,P_test39。)。 %用訓(xùn)練出來(lái)的神經(jīng)網(wǎng)絡(luò)計(jì)算數(shù)據(jù)的 %第 P_test 行 word=jieguoxianshi(y) end %第 2 個(gè)字符 if c==3 b3=d(:,(k1:k2))。 imwrite(b3,39。39。)。 t3=tezhengtiqu(b3)。 P_test = [t3]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 3 個(gè)字符 if c==4 b4=d(:,(k1:k2))。 imwrite(b4,39。39。)。 t4=tezhengtiqu(b4)。 P_test = [t4]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 4 個(gè)字符 if c==5 b5=d(:,(k1:k2))。 imwrite(b5,39。39。)。 27 t5=tezhengtiqu(b5)。 P_test = [t5]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 5 個(gè)字符 if c==6 b6=d(:,(k1:k2))。 imwrite(b6,39。39。)。 t6=tezhengtiqu(b6)。 P_test = [t6]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 6 個(gè)字符 if c==7 b7=d(:,(k1:k2))。 imwrite(b7,39。39。)。 t7=tezhengtiqu(b7)。 P_test = [t7]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 7 個(gè)字符 if c==8 b8=d(:,(k1:k2))。 imwrite(b8,39。39。)。 t8=tezhengtiqu(b8)。 P_test = [t8]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 8 個(gè)字符 if c==9 b9=d(:,(k1:k2))。 imwrite(b9,39。39。)。 t9=tezhengtiqu(b9)。 P_test = [t9]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 9 個(gè)字符 if c==10 b10=d(:,(k1:k2))。 imwrite(b10,39。39。)。 t10=tezhengtiqu(b10)。 P_test = [t10]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 10 個(gè)字符 if c==11 b11=d(:,(k1:k2))。 imwrite(b11,39。39。)。 t11=tezhengtiqu(b11)。 P_test = [t11]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 11 個(gè)字符 if c==12 b12=d(:,(k1:k2))。 imwrite(b12,39。39。)。 t12=tezhengtiqu(b12)。 P_test = [t12]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 12 個(gè)字符 if c==13 b13=d(:,(k1:k2))。 imwrite(b13,39。39。)。 t13=tezhengtiqu(b13)。 P_test = [t13]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 13 個(gè)字符 if c==14 b14=d(:,(k1:k2))。 imwrite(b14,39。39。)。 t14=tezhengtiqu(b14)。 P_test = [t14]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 14 個(gè)字符 if c==15 b15=d(:,(k1:k2))。 imwrite(b15,39。39。)。 28 t15=tezhengtiqu(b15)。 P_test = [t15]。 y = sim(,P_test39。)。 word=jieguoxianshi(y) end %第 15 個(gè)字符 if c==16 b16=d(:,(k1:k2))。 imwrite(b16,39。39。)。 t16