OCR (Optical Character Recognition) - технология преобразования графического изображения текста в компьютерный текст с помощью алгоритма распознавания графических образов.

OCR (Optical Character Recognition) - компьютерная программа перевода графического изображения текста в электронный текст через его распознание и сохранение в нужном для пользователя формате электронного документа.

• Письменный текст представляет собой последовательность знаков (букв, знаков пунктуации, специальных символов).

• Для представления текста в компьютере его символы кодируются двоичными числами. Каждому символу ставится в соответствие, двоичное число, определенное конкретной кодировкой.

• При сканировании, в памяти компьютера создается файл с графическим изображением, которое кодируется двоичными кодами цвето-яркостных характеристик пикселов, составляющий растр изображения.

• Это может быть графическое изображение рисунка, текста, таблицы и т.п. Редактируется данное изображение в помощью инструментов графического редактора (кисти, ластика, заливок и т.п.).

• Графическое изображение документа, поступившее в компьютер через сканер, нельзя редактировать в текстовом процессоре, пока оно не будет преобразовано в текст с помощью OCR.

• Кроме того, графическое изображение текста является значительно более емким информационно (графическое изображение страницы текста занимает приблизительно около 1,5 МВ, распознанный текст без форматирования 2 КВ).

29.05.2009 ABBYY выпустила ABBYY PDF Transformer 3.0 – универсальный инструмент для работы с PDF-файлами, который, .используя технологию OCR, преобразует PDF-файлы в форматы – MS Word, Excel, HTML и TXT, сохраняя оформление исходного документа — таблицы, картинки, расположение абзацев и т.д.

ABBYY PDF Transformer 3.0:

• позволяет объединять несколько документов различного формата в один многостраничный PDF-файл

• способен в 10 раз уменьшить размер документа для удобства пересылки и хранения благодаря использованию технологии MRC (одновременного сжатия текстов и изображений).

• конвертирует текстовые документы и изображения в формат PDF/А для долговременного хранения с возможностью поиска информации в тексте файла.

• позволяет выделять конфиденциальные участки документа и делать их невидимыми для других пользователей.

• позволяет идентифицировать и помечать документы, добавляя знаки печати, копирайта, название компании, дату и время создания документа, «штампы» сквозной нумерации и другую информацию.

• способен распознать и обработать документы на 184 языках на основе латинского, греческого, кириллического алфавитов, иврита, иероглифического письма и других систем письменности.

• поддерживает основные приложения Microsoft Office (Word, Excel, PowerPoint, Visio).

• способен (на основе технологии адаптивного распознавания документов ADRT) точно воссоздать структуру, расположение текста, таблицы и сложное форматирование многостраничных документов.

При распознавании OCR анализирует графический образ символа и выдвигает ряд гипотез, в соответствии с которыми этому образу присваивается текстовый эквивалент (коды изображений заменяются  машинными кодами букв). 

Популярны три основные технологии распознавания символов:

• шаблонная (во входном изображении выделяются растровые изображения отдельных символов, сравниваются со всеми шаблонами, имеющимися в базе, выбирается шаблон с наименьшим количеством точек, отличных от входного изображения.  Шаблонные системы проще в реализации, устойчивы к дефектам изображения,  имеют высокую скорость обработки входных данных, но надежно распознают только те шрифты, шаблоны которых им известны),

• структурная (объект описывается как граф, узлами которого являются элементы входного объекта, а дугами - пространственные отношения между ними. Структурные системы высоко чувствительны к графическим дефектам изображения, нарушающим составляющие элементы. Для этих систем, в отличие от шаблонных и признаковых, до сих пор не созданы эффективные автоматизированные процедуры обучения),

• фонтанное преобразование (совмещает в себе достоинства шаблонной и структурной систем. Любой воспринимаемый объект рассматривается как целое, состоящее из частей, связанных между собой определенными отношениями).

В основе фонтанного преобразования лежит использование структурно-пятенного эталона с заданием:

• обязательных, запрещенных и необязательных структурных элементов;

• отношений между структурными элементами;

• отношений структурных элементов с описывающим прямоугольником символа;

• атрибутов выделения структурных элементов;

• атрибутов проверки отношений между элементами;

• атрибутовоценки качества элементов и отношений;

• позиции начала выделение элемента.

Структурные элементы, выделяемые для класса изображений, могут быть исходными (пятна) и составными (отрезок, дуга, кольцо, точка и т.д.).

Использование составных структурных элементов позволяет строить иерархические описания классов распознаваемых объектов.

В качестве отношений используются связи между структурными элементами   (<длина больше>, <правее>, <соприкасается>).

При задании структурных элементов и отношений используются конкретизирующие параметры: диапазон допустимой ориентации отрезка, допустимое расстояние между характерными точками структурных элементов в отношении <соприкасается> и т.д..

Эталон накладывается на изображение, и отношения между выделенными на изображении пятнами сравниваются с отношениями пятен в эталоне. Если выделенные на изображении пятна и отношения между ними удовлетворяют эталону некоторого символа, то символ добавляется в список гипотез о результате распознавания входного изображения.

• количество ошибок при вводе текста. Допустимой считается величина 10 ошибок на страницу.

• требовательность к качеству исходного текста.

• возможность исправления орфографических ошибок для повышения качества ввода.

• поддержка различных языков. 

• возможность обучения и настройки на особенности печатных шрифтов и рукописных текстов.

• скорость распознавания. Желательно, чтобы оно было сопоставимо со временем ввода документа сканером.

Наиболее известны такие пакеты, как FineReader, CuneiForm, OmniPage, TextBridge.

ABBYY FineReader - OCR для автоматического ввода текстов, таблиц, форм, анкет и т.п.

Победитель с 1995 года в конкурсах систем распознавания. Обеспечивает поточный ввод до 100 000 документов в сутки. Распознает рукописные буквы.

21.08.2011 Вышла ABBYY FineReader 11, в которой:

• Скорость распознавания возросла на 30%
• Свозможность сканировать бумажные книги и конвертировать их в форматы EPUB и FB2, которые широко используются для создания электронных книг.
• Поддержка OpenOffice.org Writer (ODT), точно сохраняя исходное оформление и форматирование.
• Улучшенное распознавание фотографий и новые инструменты для редактирования изображений
• Три новых режима сохранения PDF-документов – Наилучшее качество, Небольшой размер и Сбалансированный режим
• Новые языки распознавания - арабский, вьетнамский и туркменский (латиница)

ABBYY Business Card Reader - мобильное приложение для распознавания визитных карточек, которое  автоматически распознает информацию с фотографии визитной карточки, создает новый контакт, записывает контактные данные и дополнительную информацию в нужные поля записной книжки.

Генеральный директор Cognitive Technologies, член-корреспондент РАН Владимир Львович Арлазаров:  появление IDR стало естественным шагом на пути развития технологий распознавания образов "от распознавания символов к пониманию документов".

29.12.2009 Компания Cognitive Technologies предоставила права использования за вознаграждение компании «Яндекс» синтаксический анализатор, который позволяет определить, какими синтаксическими отношениями связаны слова предложения. Его использование для больших корпусов текста позволяет определять и изучать статистические закономерности языка (встречаемость слов и конструкций) при разрешении неоднозначностей (например «ключ упал на пол» и «в камнях забил ключ»), возникающих во время синтаксического разбора, а также при построении статистических моделей языка для распознавания слитной речи.

Синтаксический анализатор позволяет проводить сравнение текстов на основе встречаемости в них различных слов и конструкций и разрабатывать методы понимания текстов, извлечения данных из текстов, а также другие приложения.

На основе синтаксического анализатора Cognitive Technologies создан ряд интеллектуальных программных продуктов, например системы определения авторства и стиля документа.

29.12.2009  Компания Cognitive Technologies показала свое умение решать классическую задачу "отличить кошку от собаки".

Представители Cognitive заранее предложили всем желающим принести изображения кошек и собак на флэшках, и на компьютере, установленном в холле гостиницы, где проходила пресс-конференция, демонстрировали работу программы. Ни одной ошибки сделано не было – программа уверенно (с соотношением 30:8) определяла собаку даже на фотографии лохматого шпица.

Демонстрация эта, по словам представителей компании, была лишь иллюстрацией к решению общей задачи классификации изображений. Пока не существует программ, с достаточной для практического применения уверенностью решающих даже простейшие задачи такого рода: например, выделить все женские портреты из некоторой галереи, или ещё проще – найти из всех картин только пейзажи.

Все реально работающие системы поиска и классификации изображений сводятся главным образом к анализу текстового контекста (как в поиске Google по картинкам), а если и пытаются что-то распознавать (Face Search, Exalead и прочие), то по очень ограниченным критериям и с решительно недостаточной релевантностью результатов. Даже системы по элементарному поиску дубликатов одного и того же изображения нередко спотыкаются на простом изменении соотношения сторон при обрезке картинок. А про фиаско, которое потерпели системы выявления разыскиваемых лиц по изображениям, полученным от следящих видеокамер (вроде популярной некогда программы FaceIT), пресса писала неоднократно.

Переоценить последствия от нахождения общей методики распознавания изображений и отнесения их к одному из заданных классов сложно. Это переворот не только в обычном поиске по картинкам в Сети, но и в криминалистике, в научных приложениях (в геоинформационных системах, в биологии, в медицине), в военной области. Так что можно лишь пожелать компании всяческих успехов в этом направлении. Но заодно стоит и предостеречь от необоснованного оптимизма: как известно, и задачу машинного языкового перевода ещё полвека назад полагали почти что решённой. А как это работает на практике и по сей день, мы все хорошо знаем...

Одной из лучших программ распознавания рукописных текстов для мобильных устройств сегодня является PenReader.

PenReader - единственная в мире система, полноценно работающая с русским и белорусским (!) рукописным вводом на Pocket PC/Windows Mobile.

PenReader для качества распознавания рукописного ввода в  использует  500,000 различных образцов почерка.
PenReader  применяет графический и орфографический анализ.

PenReader в режиме динамического самообучения анализирует надежность распознавания и при необходимости выводит окно подсказки, содержащее возможные варианты ответов. Пользователю остается только подтвердить правильный вариант. Нескольких таких подтверждений (обычно 7-9) достаточно, чтобы система запомнила трудное или новое написание.