Размещено на http://www.allbest.ru/

Введение

Человек давно задумывался над проблемой распознавания текста машинами. Трудно поверить, но первые машины для оптического распознавания знаков появились задолго до компьютерной эры. В 1914 году химик Эммануэль Голдберг (к слову, русский эмигрант, бежавший в Германию из-за антисемитских настроений в царской России), специалист по фотохимии и изобретатель ряда фотокамер, сконструировал прообраз оптической машины, способной переводить напечатанные буквы в телеграфный код. Примерно в то же время ирландский химик Эдмунд Фурнье д'Альбе создал и запатентовал «оптофон» - прибор, умеющий переводить написанное в систему низких и высоких звуков. Оптофон предназначался для того, чтобы слепые могли «читать».

Чуть позже, в 1929 году, австрийский электротехник Густав Таушек запатентовал метод оптического распознавания текста, за ним последовал Гендель в 1933. Машина Таушека представляла собой механическое устройство, которое использовало шаблоны и фотодетектор.

Коммерческое производство машин для распознавания текста начал в 1950 году Дэвид Х. Шепард военный специалист по криптоанализу. Его машина, запатентованная в 1953 году, понимала буквы латинского алфавита, азбуку Морзе и музыкальную нотацию. Первые машины Шепарда произведенные компанией IMR были куплены для перевода машинописных статей корреспондентов для перевода в общую базу с дальнейшей вёрсткой; чтения с печатных чеков информации о кредитных картах, и т. д.

С 1960-го года машины для оптического распознавания текста стали использоваться повсеместно в США и Канаде, то есть в их почтовых системах и правительственной структуре.

В 1974 году известный изобретатель и футуролог Рэймонд Курцвейл запатентовал систему, состоящую из OCR-машины и синтезатора человеческой речи, таким образом создав первый читающий вслух механизм. Надо сказать, что в те годы распознаватель чаще всего представлял собой именно отдельное устройство, а не программу-приложение для компьютера. Но компьютерная эра наступала неотвратимо.

Но все эти были лишь машины, а не привычные нам сейчас программы для распознавания текста.

Подходы к распознаванию текста

распознавание текст программный оптический

Шаблонный подход. Программное обеспечение OCR (Optical Character Recognition -оптическое распознавание символов) обычно работает с большим растровым страницы из сканера. Такие системы преобразуют изображение отдельного символа в растровое, сравнивают его со всеми шаблонами, имеющимися в базе и выбирают шаблон с наименьшим количеством точек, отличных от входного изображения. При этом большинство систем имеет шаблоны, созданные для различных начертаний. После нескольких распознанных слов, программное обеспечение определяет используемый шрифт и ищет соответствующие пары только для этого шрифта. В некоторых случаях программное обеспечение использует численные значения частей символа (пропорций), чтобы определить новый шрифт. Это может улучшить эффективность распознавания. Шаблонные системы довольно устойчивы к дефектам изображения и имеют высокую скорость обработки входных данных, но надежно распознают только те шрифты, шаблоны которых им "известны". И если распознаваемый шрифт хоть немного отличается от эталонного, шаблонные системы могут делать ошибки даже при обработке очень качественных изображений.

Люди способны быстро различить на бумаге "h" и "b" еще и потому, что они знают контекст слова, в котором встречаются эти буквы. По этой причине программное обеспечение системы OCR включает словари для помощи алгоритмам распознавания. Словари предоставляют справки во многих случаях, но быстро отказывают, когда, скажем, программное обеспечение сталкивается с именами собственными, которые не находятся в словаре. Корпорация Xerox имеет один из наиболее сложных пакетов программ с контекстным анализом. Таким образом, алгоритм распознавания в самом общем виде состоит в последовательном выдвижении и проверке гипотез, причем порядок их выдвижения управляется заложенными в программу знаниями об исследуемом предмете и результатами проверки предыдущих гипотез (производится дополнительный анализ объекта в рамках выдвинутой гипотезы). Основное требование к предварительной обработке - не потерять во входном объекте существенную информацию. Поскольку для выделения целого требуются его части, а для нахождения частей требуется целое, целостный процесс восприятия может происходить только в рамках гипотезы о воспринимаемом объекте - в целом. Если программа должна приближаться к качеству восприятия текста человеком, то, скорее всего, она может успешно использовать алгоритм, "подсмотренный" у человека-читателя. Читая предложение, человек узнает буквы, воспринимает слова, связывает их в синтаксические конструкции и понимает смысл предложения. Все процессы происходят одновременно, влияя друг на друга, а окончательное решение принимается на основе полного учета их результатов. Целостное описание класса объектов восприятия должно удовлетворять двум свойствам: во-первых, все объекты данного класса должны удовлетворять этому описанию, во-вторых, ни один объект другого класса не должен удовлетворять описанию. Обычно гипотезы выдвигаются последовательно, объединяются в список и сортируются на основе предварительной оценки гипотезы. Окончательный выбор гипотезы делается в рамках контекста, с привлечением, возможно, дополнительных источников знания.

Нейронные сети

Нейронные сети - это структура связанных элементов, на которых заданы функции преобразования сигнала, а также коэффициенты, которые могут быть настроены на определенный характер работы. Часть элементов структуры выделены как входные: на них поступают сигналы извне, часть - выходные: они формируют результирующие сигналы. Сигнал, который проходит через нейронную сеть, преобразуется согласно формулам на элементах сети, и на выходе формируется ответ. Нейронная сеть может служить в системе распознавания текста в качестве классификатора. Этот классификатор можно обучать, настраивая коэффициенты на элементах сети, и, таким образом, стремиться к идеальному результату распознавания. Нейронные сети с успехом могут применяться в системах распознавания текста, но существует большое число недостатков, которые препятствуют их широкому применению. Для построения сети, обеспечивающей распознавание каждого символа текста, необходимо построить достаточно большую сеть элементов, что приводит к большим затратам памяти. Еще сильнее тратятся ресурсы системы в процессе распознавания, так как функции на элементах сети работают с числами с плавающей точкой. Кроме этого нейронные сети необходимо обучать на все случаи, что, однако, не гарантирует точного результата. И, наконец, работа нейронной сети по распознаванию текста во многом зависит от конфигурации сети функций, заданных в элементах, что требует больших усилий для построения эффективно работающей сети.

Примеры программ для различных видов распознавания текста

Шаблонный

Программа распознавания TypeReader использует машинно-зависимые алгоритмы на основе шаблонного подхода. Данный подход требует создания шаблона для каждого шрифта. Например, программа TypeReader использует 2100 различных вариантов начертаний символов.

Структурный

Основанные на шаблоне подходы должны создать шаблоны для каждого возможного шрифта (программа ExperVision, к примеру, использует 2100 таких начертаний). Caere напротив пробует находить сущность каждого символа на основе структурного подхода.

Контекстное распознавание

Этот эффект особенно заметен в российской программе FineReader, который чаще, чем в среднем по всем символам, ошибается в словах, которые отсутствует его словаре.

Пакет, называемый Lexifier (сокращение для "лексический классификатор"), содержит большинство главных правил записи буквенных структур или принятых образцов номеров телефонов. Он помогает интерпретировать имена собственные типа Lexifier, которые кажутся совершенно правильно английскими, но не находятся в словаре. Этот эффект особенно заметен в российской программе FineReader, который чаще, чем в среднем по всем символам, ошибается в словах, которые отсутствует в его словаре (к примеру, названия фирм ему даются тяжело).

Размещено на Allbest.ru