全文检索技术_OCR技术在档案数字化中的运用

问

一、什么是OCR技术？

OCR是英文Optical Character Recognition的缩写，中文含义为光学字符识别，也称为文字识别，是文字自动输入的一种方法。它通过扫描和摄像等光学输入方式获取纸张上的文字、图像信息，利用各种模式识别算法分析文字形态特征，与汉字的标准编码相比较从而判别不同的字符，并按通用格式存储在文本文件中，实现文本的编辑、检索和存储。所以，OCR技术是一种快捷、省力的文字输入方式，实践证明其在档案信息数字化工程中的作用愈来愈显著。其运用过程一般使用扫描等光学输入设备读取纸张上的文字、图像信息到计算机能识别的格式，如JPG、FDF、TIF、BMP等，再通过OCR软件自动分析比较生成可编辑的文本文件。

答

OCR技术的发展历程

OCR的概念是由德国科学家Tausheck在1929年率先提出来，后来美国科学家Handel也提出了利用计算机扫描等技术对文字进行识别的想法。而最早对印刷体汉