Rozpoznávání textu a technologie OCR

Milan Chaloupka

Master's thesis

Text Recognition by Using OCR

Abstract:

Tato práce řeší problematiku vad a nedokonalostí vstupních materiálů pro OCR a obsahuje popis možného řešení pro problematiku rozpoznání tištěného textu. Obsahem práce je popis základních algoritmů pro úpravu vstupních materiálů, jakožto algoritmy pro detekci hran v obraze, segmentace barev v obraze a vyhlazování nekvalitně získaného obrazu. V práci je také provedeno zhodnocení použitých algoritmů a porovnání získaných výsledků. V poslední řadě je vysvětlena problematika rozpoznávání prohnutého textu a textu opsaného na kružnici s možností řešení tohoto problému.

Abstract:

This thesis solves the problem of defects and imperfections in the input materials for the OCR and describes possible solutions for issues of recognition of printed text. The thesis is a description of the basic algorithms for the adjustment of raw materials, as algorithms for edge detection in image, color segmentation in image and smoothing produced poor image. The thesis is also an assessment of the algorithms and compare the results obtained. Finally, the issue is explained recognition of curved text and text in circle with the possibility of solving this problem.

Keywords

OCR, RGB, šedotónový obraz, prahování, globální prahování, Otsu prahování, p-procentní prahování, detekce hran, operátor Prewittové, Sobelův operátor, Laplacian of Gaussian, invarianty, Fourierovy deskriptory, momenty, normální momenty, centrální momenty, sedm Huových invariantních momentů, Zernikovy momenty, Pseudo-Zernikovy momenty, text na kružnici, prohnutý text, JPG, PDF, C#., grayscale image, thresholding, global thresholding, Otsu thresholding, p-percentage thresholding, edge detection, Prewitt operator, Sobel operator, invariants, Fourier descriptors, moments, normal moments, central moments, Hu´s seven moment invariants, Zernike moments, Pseudo-Zernike moments, text in circle, curved text

Language used: Czech

Date on which the thesis was submitted / produced: 2010

Thesis defence

• Supervisor: Radoslav Fasuga
• Reader: Martin Němec

Vysoká škola báňská - Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Master programme / field:
Informační a komunikační technologie / Informatika a výpočetní technika