英文地址圖像識(shí)別與翻譯研究.pdf

1、經(jīng)濟(jì)全球化的發(fā)展推進(jìn)了國(guó)際信函的廣泛使用，從國(guó)外寄達(dá)中國(guó)國(guó)內(nèi)的信函業(yè)務(wù)量迅猛增長(zhǎng)。這類信函的收信人地址一般是用英文書(shū)寫(xiě)的，為了保證投遞的效率和質(zhì)量，郵局專業(yè)人員需要將英文表述的收信人地址翻譯成中文并批注到信封上。省會(huì)級(jí)城市的郵局每天的國(guó)際信函處理量達(dá)5萬(wàn)件且逐年遞增。如何實(shí)現(xiàn)英文地址自動(dòng)翻譯成為郵政自動(dòng)化的一個(gè)重要課題。成熟的字符識(shí)別技術(shù)以及蓬勃發(fā)展的機(jī)器翻譯技術(shù)為此提供了可行的技術(shù)平臺(tái)。
　　 本文提出的英文地址自動(dòng)翻譯系統(tǒng)是

2、以信封圖像為處理對(duì)象，采用文本圖像分割方法和字符識(shí)別技術(shù)獲取信封圖像上用英文書(shū)寫(xiě)的地址內(nèi)容，并自動(dòng)將其翻譯成中文地址的郵政自動(dòng)化系統(tǒng)。英文地址圖像識(shí)別和翻譯涉及文本圖像處理、自然語(yǔ)言處理、機(jī)器翻譯、數(shù)據(jù)挖掘、人工智能等多個(gè)學(xué)科領(lǐng)域，是字符識(shí)別技術(shù)和機(jī)器翻譯技術(shù)的有效結(jié)合。本文有以下研究成果：
　　 根據(jù)信封圖像的特點(diǎn)，提出基于灰度梯度連續(xù)變化特征的窗口定位法，以及復(fù)雜背景下基于連通元特征的地址文字定位法。這兩種方法的組合有效地將

3、收信人地址區(qū)域從信封圖像區(qū)分離出來(lái)。本文還提出一種基于游程的快速連通元標(biāo)記方法，大大加快連通元的處理速度，僅需掃描圖像一次即可獲得連通元的相關(guān)信息。
　　 提出一種基于最大匹配算法的地址理解方法，以及一種基于柔性字符串匹配和有限自動(dòng)機(jī)的地址理解(FPMDFA)方法，對(duì)識(shí)別得到的地址文本進(jìn)行分析和理解，從中將路名、樓宇、居民區(qū)、門(mén)牌號(hào)、公司或者收件人等地址信息提取出來(lái)。實(shí)驗(yàn)結(jié)果表明基于最大匹配算法的地址理解方法獲得的結(jié)果正確率高，

4、而FPMDFA方法則在有OCR識(shí)別錯(cuò)誤的情況下能提取更多的地址信息。
　　 運(yùn)用變精度粗糙集理論，提出一種基于屬性核的βDP區(qū)間約簡(jiǎn)的消歧規(guī)則挖掘方法，即采用基于屬性核的βDP區(qū)間約簡(jiǎn)算法對(duì)決策表的條件屬性進(jìn)行約簡(jiǎn)，然后再生成相關(guān)的消歧規(guī)則。該方法在一定程度上避免了基于經(jīng)典粗糙集理論的挖掘方法對(duì)分類數(shù)據(jù)正確性要求高、不利于規(guī)則泛化的缺點(diǎn)，既有利于從決策表中提取共性規(guī)則，也便于得到單獨(dú)情況的個(gè)性規(guī)則，同時(shí)讓規(guī)則的正確性可控。

5、>　　 提出一種基于塊距離的柔性字符串匹配方法。即在計(jì)算一個(gè)字符串通過(guò)刪除、插入和替換編輯成另一個(gè)字符串的步驟時(shí)，將子串的移動(dòng)也作為編輯操作的一種。這解決了如何度量?jī)蓚€(gè)含義一致但詞序不同的地址之間的相似性問(wèn)題。實(shí)驗(yàn)表明運(yùn)用柔性字符串匹配方法度量地址和地址之間的相似性有效地降低了字符識(shí)別錯(cuò)誤對(duì)系統(tǒng)造成的影響，提高了系統(tǒng)的容錯(cuò)性。
　　 集成上述成果開(kāi)發(fā)的英文地址自動(dòng)翻譯系統(tǒng)已經(jīng)在上海郵政速遞局的外信批譯環(huán)節(jié)得到成功應(yīng)用和推廣，產(chǎn)