文通THOCR资料数字化系统.pptVIP

文通TH-OCR资料数字化系统自有产品事业部编写人：王亚鹏专业的档案、公文、图书、剪报册等纸介质文档及电子文档的数字化工具。1.系统特点：双层PDF技术及版式还原技术处于业内领先水平单字识别率达到行业内领先水平题录信息可以自定义工序可以自定义2.应用领域政府部门出版社图书馆电力行业报社一.软件用途二.软件简介资料数字化系统管理端ACCESS数据库（备选SQL数据库）加工端1.总体架构2.管理端管理端角色管理用户管理工作量统计题录数据设置1管理端简介：角色管理角色管理分为：角色创建、修改、删除、成员管理用户管理用户管理：用户管理包括添加用户、用户资料修改、用户权限设置12345题录数据设置根据客户要求进行题录项的设置工作量统计按照工作量、时间段等进行各种统计及生成报表3.加工端任务调度扫描及图处版面分析识别校对制作多种格式文件题录制作质检及导出完成制作是否返工否是加工工序选择生成加工工序数据流通道1任务调度中心自动倾斜校正二值化去装订孔去黑边去杂点2图像处理可以对档案、图书、公文、报纸等进行自动版面分析。将版面分为横排文本、竖排文本、图像、表格四种类型。用户也可以根据需求，进行手动版面分析。3.3版面分析竖排文本图像表格横排文本4识别核心技术流程版内置文通科技必威体育精装版研发的高性能文字识别引擎，识别率达99.8%以上。识别核心采用UNICODE国际编码标准。系统可在一个统一的平台下，同时处理包括中文、日文、韩文、英文在内的多种文字的识别和校对修改。Unicode编码系统基于开放式的XML数据结构，可以对数据进行扩充和再定义。支持第三方开发厂商方便地进行文档数据的转换、迁移和再利用。XML技术可以进行简繁日韩英五种语言的文字识别：简体多体繁体多体简体全字集繁体全字集手写体纯英文日文韩文识别语言种类横向校对在识别结果区域中，通过人工逐字逐句比较识别结果与原始图像，找到错误的地方并修改。浮动跟踪条可以提高横向校对的速度，它是将识别的原始图像块跟踪显示在识别结果上，使识别结果与原始图像一一对应的显示，直观、方便、快捷3.5校对查错率高，集字校对编辑器把识别结果相同的文字对应的图像显示在一起。由于少数错误的字与大量正确的字有差别，可以比较容易地发现错字，不易漏掉错误。集字校对编辑器重新组织文字顺序，不会使校对人员陷入到识别文字的故事情节中。校对效率高，不易疲劳。把集字校对的结果与传统方法校对的结果进行比较、综合，就能得到最高的查错和纠错效果，得到尽可能低的错误率和最好的最终结果。集字校对识别结果与原始图像块对照区：第一个方格为识别结果，其后的方格为原始图像块识别结果列表区：显示当前校对图像的识别结果文字列表原始图像区直接输入的结果字符，可以跳到该字符集字校对识别结果经修改编辑后，可根据需要将文档存为RTF、PDF或直接保存为TXT格式。导出为PDF格式导出为RTF格式导出为TXT格式导出题录数据3.6生成多种格式文件PDF中的文字层用于查询、检索、利用，图像层用于浏览，提供给用户多种应用方式。图像部分压缩存储。对黑白图像采用G4压缩，对彩色、灰度图像采用JPEG压缩。文字部分所占空间极小。整个文件与压缩过的图像文件大小相差无几。识别图像文本层图像层双层PDF双层PDF特点7题录数据录入题录著录：根据题录项要求录入题录数据