OCR ソフトOCRopus への数式認識モジュールの組込みの検討

摘要

This paper describes embedding a mathematical formula recognition module into open source OCR system OCRopus aiming at developing a OCR system for scientific and technical documents which include mathematical formulas. OCRopus is a research open source OCR system emphasizing modularity, easy extensibility, and reuse. This system has several basic components such as preprocessing, layout analysis, text line recognition, so it is easy to embed the mathematical formula recognition module into OCRopus.%本研究では，オープンソースのOCR ソフトであるOCRopus に数式認識モジュールを組込み，数式を含む文書画像認識システムの構築を目的としている．OCRopus は広範囲の文書電子化を目指した．モジュール性，拡張性，再利用性に優れた実験的なOCR システムである．OCRopus は，前処理，レイアウト解析，テキストライン認識等の機能をモジュールとして持っており，数式認識モジュールの組込みが比較的容易に行える．