一种改进的公式结构分析方法.pdfVIP

第25卷第4期 计算机应用与软件 Vo1．25 No．4 2008年4月 Computer Applications and Software Apr．2008 一 种改进的公式结构分析方法 田学东 王 菲 (河北大学数学与计算机学院 河北保定071002) 摘 要 结构分析是印刷体数学公式识别系统的关键部分，目前相关研究还很欠缺。针对结构分析的基准线方法的一些不足之 处，提出一种逆向匹配方法，并结合语义规则对分析后的数学公式进行后处理。实验表明，提出的方法能够有效提高数学公式结构 分析的正确率和鲁棒性。 关键词 数学公式识别 结构分析 后处理 逆向匹配 AN IMPRoVED METHoD FoR STRUCTURE ANALYSIS IN FoRMULA Tian Xuedong Wang Fei (College ofMathematics and Computer，Hebei University，Baoding 071002，Hebei，China) Abstract Structure analysis is a crucial course in printed mathematical formula recognition．At present，the research in this field is rare． In order to resolve the baseline problems of structure analysis，a converse matching method with syntax rules is proposed，and post—processing on the analyzed mathematical formula is carried out，Experimental results show that this method increases the accuracy and robustness of the mathematical formula structure analysis． Keywords Mathematical formula recognition Structure analysis Post—processing Converse matching 用逆向匹配加以改进的方法。实验表明，这种方法有效地提高 0 引 言 了结构分析的正确率。 随着我国科学技术的飞速发展，科技文献的应用越来越广 1 结构分析 泛，科技文献不仅包括文字、图像和表格，还包括大量的数学公 式。当前的光学字符识别OCR(Optical Character Recognition)系 结构分析阶段是依据符号识别后的字符代码序列及其相关 统对文字的识别率很高，但无法处理其中所包含的数学公式。 信息进行逻辑和空间上的分析，得到公式的逻辑结构，并用语法 其原因在于数学公式的二维嵌套特性、所包含字符的复杂性、字 树表示出来。整个过程分为3个阶段：(1)寻找公式的主基准 符的字体和大小，以及数学符号表达含义的多样性，使得OCR 线；(2)以主基准线为标准，递归地寻找其它基准线，得到字符 技术的应用受到限制。因此，研究印刷体数学公式识别与重构 间的嵌套关系；(3)将分析得到的信息用语法树表示。语法树 技术，对于拓宽OCR系统的应用领域具有重要意义。 中的每个结点代表一个字符，其结构如图1所示。根据公式中 国外于2O世纪6O年代后期开始对数