1 Was ist OCR 2 Geschichte 3 Vorgehensweise 4 Software 5 Anwendungsbeispiele. René Pienkoß

Transkripts

1

2 1 Was ist OCR 2 Geschichte 3 Vorgehensweise 4 Software 5 Anwendungsbeispiele 2

3

4 OCR (Optical Character Recognition) Texterkennung von einer gedruckten Vorlage 4

5 5

6 6

7 Spart Zeit bei der Dateneingabe Ermöglicht die Sortierung von Daten Erleichtert das Finden von Daten Optimal zur Archivierung 7

8

9 1929 Gustav Tauschek (* bis ) Vorrichtung zur Steuerung von Maschinen durch strahlende Energie 9

10 1951 David H. Shepard (* bis ) Maschine die Maschinenschrift lesen konnte ( Gismo ) US-Patentnummer 2,663,758 Intelligent Machines Research Corp. 10

11 1962 Taschenbuch der Nachrichtenverarbeitung 12 verschiedene Verfahren zur automatischen Zeichenerkennung 11

12 1965 Einsatz von OCR-Maschinen bei der US-Post 1968 OCR-A (ANSI INCITS ) 1973 OCR-B (ISO ) 12

13 Noch heute im Einsatz: die Ziffern der OCR-A auf Schecks und Kreditkarten 13

14 Ende der 70er Neue Generation von Erkennungssystemen, welche auch ungenormte Schriften erkennen (omnifont) Spitzengerät Allfont 2800 erkennt pro Tag bis zu 6000 Belege im Format A4, liest OCR-A, OCR-B, Schreibmaschinen-, Drucker- und Handblockschriften Mitte der 80er Neue Generation von Lesesystemen: Flachbett-, Einzugs- und Handscanner. 14

15 Heute Zahlreiche OCR-Lösungen für Heimcomputer Texterkennung von fast allen gängigen Schriften Genauigkeit in den letzten Jahren immer mehr optimiert 15

16

17 17

18 Trennung von Text und Nicht-Text 18

19 Zeilentrennung 19

20 Pattern Matching (Mustervergleich) Feature Recognition (Merkmalserkennung) 20

21 Zeichen als einzelne Zellen erfassen 21

22 Mustervergleich durch Überlagerung Erfordert Muster für viele Schriftarten Normierungsverfahren und Toleranzwerte erhöhen die Erkennungsrate 22

23 Untersucht geometrische Merkmale Linien, Winkel, Bögen, Kreise 23

24 Unabhängig von Schriftart und größe Erkennung ohne Training möglich 24

25 25

26 Fehlerkorrektur Auswerten von Kontextinformationen Rechtschreibprüfung ICR (Intelligent Character Recognition) 26

27 Kann nicht über herkömmliche OCR-Verfahren erkannt werden Unterscheidung Rasterbasierte Handschrift (gescannte Vorlagen) Vektorbasierte Handschrift (PDAs, Tablet-PCs) 27

28 Lässt sich nicht zuverlässig zerlegen 28

29 Analyse schon während der Eingabe Reihenfolge, Geschwindigkeit und Richtung 29

30 Erkennungsgenauigkeit OCR-Normschriften 99,9% Schreibmaschinenschriften 98% Druckschriften (Laserdruck) 98% - 99% Blockhandschrift Ziffern 95% - 98% Blockhandschrift alphanumerisch < 95% Saubere Schreibschrift 80% - 90% 1% Fehlerrate sind bei A4-Seite mit 4000 Zeichen immerhin 40 Fehler 30

31

32 OmniPage FineReader ReadIris Pro TextBridge Pro Tesseract Free 32

33 33

34

35 35

36 Bücher im Volltext durchsuchen 36

37 Einführung in die PC-Grundlagen (Addison-Wesley) Management-Technologien (Springer) Multimedia-Technologie (Springer) Dokumenten-Management (Springer) Mustererkennung von Gernot A. Fink (TU Dortmund) Zeichenerkennung (OCR) (Prof. Stucki - Uni Zürich) Scannen und erkennen (c't 04/1990) Wettlesen (c't 25/2007) Lese-Ratten (PCgo! 12/99) AKLS (

38 Noch Fragen??? 38