18、基于互补方法的分布式连笔书写OCR系统探索

基于互补方法的分布式连笔书写OCR系统探索

1. 引言

大量不同语言（如阿拉伯语）的印刷连笔书写文档急需进行计算机化处理。这些文档通常质量较差，因此需要高效的光学字符识别（OCR）系统。然而，现有的OCR系统对输入文档质量非常敏感，中低质量的输入文档会显著降低识别率。实验表明，动态时间规整（DTW）算法是处理此类任务的最佳技术之一。

DTW算法是动态规划在模式识别领域的应用，它能够在不进行字符分割的情况下，很好地识别中低质量的印刷连笔书写，在识别东方和中东语言（如阿拉伯语）以及拉丁连笔字符方面表现出色。但该算法计算量巨大，这限制了它的广泛应用。

为解决这一问题，人们提出了许多方法。网格计算，特别是志愿者网格，因其能提供大量计算和存储能力，被认为是一种可行的解决方案。不过，志愿者网格也存在一些问题，如数据可用性和处理能力损失。而代理技术，尤其是智能代理的使用，可以解决这些问题。本文提出了一种面向服务的网格架构（SOGA），将志愿者网格计算和代理技术相结合，以实现基于DTW算法的大规模连笔书写OCR。

2. 现有分布式OCR系统

计算机科学家们提供了一些大规模OCR的解决方案，以下是一些代表性的例子：
| 系统名称 | 特点 | 优势 | 劣势 |
| ---- | ---- | ---- | ---- |
| 澳大利亚报纸数字化项目 | 使用OCR软件建立大规模历史数字化项目，采用多种方法提高OCR准确性，让公众参与文本校正 | 尝试多种方法提高准确性，利用公众力量校正文本 | 公众干预可能影响文章内容，OCR准确性仍需提高 |
| OCRGrid | 分布式和协作式OCR系统平台，部署大量OCR服