以 Viterbi 中文名片地址欄位的後處理

Abstract

現今市面上所銷售的 OCR 系統，在針對印刷體文字影像轉換成文字方面已經有很高的辨識率，但是在辨識名片影像時，由於受限於名片的大小，使得文字多半過小，以致於 OCR 系統常無法有良好的辨識率。 換句話說，名片地址欄位中的文字，經過 OCR 處理後，正確字元並不會全部都位在第一候選字，甚至有些名片在以 OCR 處理後，會有遺漏字的出現，也就是說在前十名的候選字中依然不包含正確字元。如何運用統計方法來做中文名片地址欄位的後處理，以將正確字元找出來，是本文所要討論的問題。 本論文使用維特比演算(viterbi)比藉著事先從地址資料庫計算得到前後相關字統計八訊，從前十名候選字中找到正確字元，或在遺漏字的位置插入機率較高的字元，去補正 OCR 的結果。實驗以100張名片做測試，正確率可以由原 OCR 的78.44%提高到93.53%。