Algorithm OCR中的字距算法

我正在使用OCR输出，并在其中搜索特殊单词

由于输出不干净，我根据低于特定阈值的字距查找与输入匹配的元素

然而，我觉得Levenshtein距离或Hamming距离不是最好的方法，因为OCR似乎总是犯同样的错误：I代表1，0代表O，Q代表O。。。例如，这些“经典”错误似乎没有“A代表K”那么重要。因此，这些距离不考虑字符外观的差异量（低/高）

---

有没有专门为OCR设计的单词距离算法可以更好地适合我的情况？或者我应该根据字符的视觉差异经验地实现自定义单词距离吗？

Levenshtein距离允许您为每个替换对（，第五项）指定不同的成本。因此，您可以通过或多或少地强调常见错误来调整它以适应您的需要。

如果您想要一个用于字母不匹配的自定义成本函数，您可以查看Needleman–Wunsch算法（NW）

• 维基百科
• 与NW算法相关的OCR论文

---

如果您曾经阅读过tesseract源代码，您会看到它特别处理了很多情况。您在64位JVM上使用tesseract ocr吗？@manu No，我使用ABBYY FineReader。然后您正在进行试用version@manu不，这不是审判。为什么要问？付费版本中有什么隐藏的东西我应该知道吗？这是一本很好的读物。使用Needleman Wunsch在具有两个不同OCR输出的第一个过程中查找分类名称。然后使用这些名称在所有文档的第二遍中查找这些硬词。它可以工作。我将尝试这样做，根据char值，两个字符串之间的每个levenshtein操作的成本在0到1之间。这应该给我一个双倍的距离。你解决这个问题了吗？让我知道你没有。我为ABBYY工作，随时准备帮助你。