[01080943]THOCR-94高性能汉英混排印刷文本识别系统

THOCR-94高性能汉英混排印刷文本识别系统是国家“863计划”项目，可将印刷材料自动输入计算机进行识别，是一个功能完善、性能优异的中、英文混排印刷文本识别系统，也是目前识别率最高的多体印刷汉字识别系统。其特点是：采用“组合特征综合识别”方法，在国际上首次解决了中、英文混排文本自动识别问题。系统自动化程度高，实现了中文印刷表格的自动识别和数据的自动录入；首创了中文OCR系统中图像的全自动扫描；解决 了自动版面分析和自动倾斜校正问题。设有开放的用户自学系统结构，拓展了识别范围。同时开发了DOS版本和Windows版本，可满足不同用户的需要，具有国际化、标准化的中文应用系统。系统能识别简体汉字4230个、繁体汉字5401个，再加118个符号；英文52个大小写字 母加标点符号；识别字体包括汉字的宋、仿、黑、楷、魏碑、小姚及其多种变体和英文正体27种。识别正确率高于98.5％，对印刷质量好的文体识别正确率高于99.5％。系统具有较高的自动化和实用性能，总体上居国际领先水平。