[01051803]越南文印刷体OCR识别引擎研发

1、任务来源：项目任务来源于桂科计字[2008]16号文件下达的广西科学研究与技术开发计划项目“越南文印刷体OCR识别引擎研发”，计划类别为“科技攻关与新产品试制”，合同编号为“桂科攻0816001-4”。2、技术原理及性能指标：项目以自主创新的越南文拉丁字母笔画描述法，通过区域特征、神经网络双引擎，来实现印刷体越南文字符的识别。达到的性能指标如下：①、对于所有越南字符的识别结果均使用Unicode编码进行保存。②、对输入的图片进行必要的预处理，包括必要的自动倾斜更正、去除指定颜色、保留指定颜色、灰度处理。③、对输入图像进行版面版面的分析，并提供版面分析的结果区域坐标集，能简单排除图像板块，对于表格进行表格识别(仅识别其中的越文文本)。④、对图象的行切分和字切分，并能提供识别的字坐标。⑤、对单字图象的特征选择和提取识别出其识别结果，按照一定格式存储识别结果(包括候选字、识别率)。⑥、所有识别结果可能用到的字符编码使用Unicode编码。⑦、dll链接库尽可能的简洁。字库文件和链接库文件数量小。⑧、识别文件格式至少包含：支持文件格式：BMP、TIF、TIFF、JPG、JPEG。⑨、标准印刷体测试稿的识别准确率达到99.5%以上。同时获得以下证书：软件产品登记证。3、技术的创造性与先进性。1)应用创新①、首个成熟的越南文字OCR识别技术。②、OCR-PDF(双层可检索)技术是国际上最流行的OCR识别技术。2)技术创新①、廖宏的发明专利“一种利用计算机对数字化档案文件压缩的方法”，该技术采用自主的先进压缩算法，二值、灰度和彩色图像文件的压缩率是通用图像格式TIFF文件的50%左右。②、同时使用神经网络、区域特征双识别引擎来提高识别准确率，并使用优化算法来加快识别速度。③、自主创新的笔画描述法基于越南文字符轮廓的提取、轮廓描述的笔画描述法，能较为精确地提炼出越南文字符特有的符号特征，适用上百种字体、多种变形(斜体、粗体等)。4、应用领域：项目可广泛应用于外语类院校及研究机构，有意开发越南语电子词典或翻译系统、扫描仪等数码产品的开发商，海关、航空及旅游服务商，手机出口商、消费类电子产品出口商、系统集成商、越南政府、学校、图书馆，以及有OCR业务需求的其他越南客商。