圖像文件中文字識(shí)別的MapReduce并行處理研究.pdf

1、隨著信息化建設(shè)步伐的加快，作為人們熟知的文件檔案管理在應(yīng)用領(lǐng)域里也面臨著新的挑戰(zhàn)。在面對(duì)數(shù)量眾多的檔案文件時(shí)，大多數(shù)人的觀念還停留在人工化、紙質(zhì)化層面，而利用OC R（光學(xué)字符識(shí)別）技術(shù)將圖像類(lèi)型的文字材料方便、快捷地輸入到計(jì)算機(jī)當(dāng)中并轉(zhuǎn)化為文字已經(jīng)廣泛應(yīng)用于各行各業(yè)，同時(shí)，在面對(duì)眾多檔案資料文件時(shí)，分布式系統(tǒng)是解決海量信息存儲(chǔ)及處理的有效方式之一。
　　論文以圖像檔案管理為背景，主要研究如何對(duì)目前的檔案資料進(jìn)行并行化處理。目前，

2、單位的檔案文件資料已經(jīng)逐步完成了紙質(zhì)化到電子化的轉(zhuǎn)換，但是在利用這些電子化圖像檔案的時(shí)候，所采用的還是單人單機(jī)單圖的模式，對(duì)于檔案管理人員來(lái)說(shuō)工作量較大，而且在處理速度上不能滿(mǎn)足要求，因此迫切需要一種效率更高的處理方式。
　　針對(duì)存在的問(wèn)題，論文在深入分析分布式系統(tǒng)和分布式計(jì)算思想之后，提出了在 Hadoop這一并行化平臺(tái)上，利用MapRed uce的計(jì)算方法，依托光學(xué)字符識(shí)別技術(shù)，對(duì)本單位圖像檔案進(jìn)行處理。一是提出對(duì)圖像文件進(jìn)行

3、中值濾波、灰度化和二值化的并行預(yù)處理算法，提高圖像質(zhì)量的同時(shí)優(yōu)化了預(yù)處理效率；二是在圖像預(yù)處理的基礎(chǔ)上，提出文字識(shí)別的MapRed uc e算法，通過(guò)在map函數(shù)中使用光學(xué)字符識(shí)別算法將圖像文件中的文字轉(zhuǎn)換為文本文件，使得識(shí)別率滿(mǎn)足需求的前提下提高識(shí)別速度；三是在配置搭建的Hadoop平臺(tái)下仿照所在單位當(dāng)前電子圖像檔案類(lèi)型的實(shí)際，對(duì)輸入的圖像文件進(jìn)行了預(yù)處理和文字識(shí)別操作。通過(guò)實(shí)驗(yàn)結(jié)果表明，本文所做的研究?jī)?nèi)容可以有效提高圖像檔案的處理效