Utjecaj predobrade ulaznih datoteka na točnost optičkog prepoznavanja znakova

diplomski rad

• Naslov (engleski): The effects of the image pre-processing on the OCR accuracy
• Autor: Mirela Majnarić
• Mentor: Hrvoje Stančić (mentor)
• Član povjerenstva: Tomislav Ivanjko (predsjednik povjerenstva)
• Član povjerenstva: Jozo Ivanović (član povjerenstva)
• Član povjerenstva: Hrvoje Stančić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Filozofski fakultet; (Odsjek za informacijske i komunikacijske znanosti); Zagreb
• Datum i država obrane: 2019-09-25, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Informacijske i komunikacijske znanosti; Knjižničarstvo

Sažetak

Digitalizacija tekstualne građe danas je široko zastupljena u različitim domenama ljudskih djelatnosti. Najčešće se provodi skeniranjem ili fotografiranjem građe te upotrebom specijaliziranih programa za optičko prepoznavanje znakova. Na taj se način dobiva elektronička građa koju je moguće pregledavati, pretraživati i uređivati. Točnost dobivenih izlaznih podataka ovisi brojnim faktorima, a neki od njih su kvaliteta izvornika, razlučivost skeniranja, odabrani slikovni format, bitna dubina boje, ali i korišteni OCR softver. I postupak binarizacije, odnosno konverzije višebojne slike u crno-bijelu, utječe na rezultate optičkog prepoznavanja znakova. Binarizacija se obično provodi prilikom skeniranja ili kao jedan od koraka pri optičkom prepoznavanju znakova, a moguće ju je provesti i u nekom od programa za obradu slike prije korištenja OCR softvera. Cilj ovog rada jest istražiti utjecaj predobrade ulaznih datoteka na točnost optičkog prepoznavanja znakova s obzirom na navedene faktore. Točnost tekstova dobivenih primjenom OCR softvera ispitana je ISRI analitičkim alatima te je izražena postotkom ispravno prepoznatih znakova.

Sažetak (engleski)

Digitization of textual materials is nowadays widely used in different domains of human activities. It is most commonly done by scanning or taking photos of the original source followed by using specialized software for optical character recognition. The result of this procedure is an electronic text which can be browsed, searched and edited. The OCR accuracy of the recognized text depends on numerous factors, including quality of the source materials, scanning resolution, chosen image file format, image bit depth as well as the OCR software used in the text recognition process. Image binarization or thresholding, a procedure in which a greyscale or colour image is converted into its bitonal variant, can also influence the OCR results. Binarization usually takes place during scanning or as a step in the OCR procedure, but it can also be accomplished by using a raster graphics editor, before the usage of the OCR software. The aim of this diploma thesis is to examine the effects of image pre-processing on OCR accuracy taking into account the above-mentioned factors. The OCR accuracy of the output texts was checked by ISRI Analytic Tools and is expressed as a percentage of correctly recognized characters.

• Ključne riječi: optičko prepoznavanje znakova; OCR; točnost OCR-a; predobrada; razlučivost skeniranja; DPI; slikovni format; TIFF; JPG; kompresija slike; bitna dubina boje; binarizacija; ISRI analitički alati
• Ključne riječi (engleski): optical character recognition; OCR; OCR accuracy; pre-processing; scanning resolution; DPI; image file format; TIFF; JPG; image compression; bit depth; binarization; thresholding; ISRI Analytic Tools
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:131:614062
• Studijski program: Naziv: Informacijske znanosti; smjerovi: Bibliotekarstvo; Smjer: Bibliotekarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra bibliotekarstva (mag. bibl.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Javna napomena: Izvanredni studij
• Datum i vrijeme pohrane: 2019-10-22 12:47:18