Presentation introducing OCR NCSR Image enhancement toolkit in relation to IMPACT project presented by Isabel Bordes during demo session held at the BNE 5th of October 2011.

1. PROCESAMIENTO PREVIO DE LA IMAGEN SESIÓN DE DEMOSTRACIÓN IMPACT, Biblioteca Nacional de España, 5 de octubre de 2011

3. Retos OCR: páginas dañadas, alabeadas, tintas traspasadas, maquetación compleja, fuentes históricas…etc.

4. Características comunes de las imágenes digitales …

5. … y sus efectos en el OCR

6. Reconocimientos erróneos: ¿internet inventado en el XVIII?

7. Esquema del proceso OCR CONVERSIÓN DE FICHEROS CORRECCIONES GEOMÉTRICAS/ELIM. MÁRGENES “ BINARIZACIÓN” OCR POST-PROCESO + EVALUACIÓN DEMO TOOL WF TAVERNA WEB IMPACT

14. Basic IMPACT NCSR BorderRemoval B.- Eliminación de márgenes

21. WFs en TAVERNA

22. WFs en TAVERNA

23. WFs en TAVERNA

24. PÁGINA WEB IMPACT

25. NCRS Image Enhancement Toolkit ( H-DocPro v.1)

26. Componentes para el procesamiento de imágenes Binarización NCSR: Basado en "B. Gatos, I. Pratikakis and S. J. Perantonis, Adaptive Degraded Document Image Binarization, Pattern Recognition, Vol. 39, pp. 317-327, 2006" FR8.1: FineReader Engine v. 8.1. IMPORTANTE: (a) Motor previamente instalado. (b) Añadir código de licencia de FineReader

27. Componentes para el procesamiento de imágenes Eliminación de bordes Auto: Basado en perfiles de proyección y análisis de componentes. Auto_Edit: Ajuste manual mediante el arrastre de puntos activos de un rectángulo delimitador.

28. 22.383 imágenes de prueba BL: 7% BNE: 34% BNF: 34% BSB: 11% JSI: 6% NLB: 2% ONB: 6% Sólo imágenes con bordes 38.718 imágenes de prueba BL: 9% BNE: 29% BNF: 32% BSB: 12% JSI: 11% NLB: 2% ONB: 5% Componentes para el procesamiento de imágenes Eliminación de bordes

29. Auto: Basado en "N. Stamatopoulos, B. Gatos, T. Georgiou, Page frame detection for double page document images, 9th IAPR International Workshop on Document Analysis Systems (DAS 2010), pp. 401-408, Cambridge, MA, USA, June 2010" Auto_Edit: Ajuste manual mediante el arrastre de puntos activos de un rectángulo delimitador. Componentes para el procesamiento de imágenes Individualización de páginas

30. 458 imágenes de la BNF Componentes para el procesamiento de imágenes Individualización de páginas 3.009 imágenes BL: 72% BSB: 10% JSI: 18%

31. Auto: Basado en "N. Stamatopoulos, B. Gatos, I. Pratikakis and S.J. Perantonis, Goal-oriented Rectification of Camera-Based Document Images, IEEE Transactions on Image Processing, vol. 20, no. 4, pp. 910-920, 2011." IMPORTANT NOTICES: (a) It needs the MATLAB Component Runtime Installer, (b) it can be applied only to single column documents. Auto_Edit: Corrección manual de líneas/curvas que delimitan el texto arrastrando los puntos activos de un rectángulo delimitador Componentes para el procesamiento de imágenes Corrección de curvatura

32. 87,78% Corrección curvatura IMPACT v.4 (81,98% sólo corrección en bruto) BookRestorer 80,87% Componentes para el procesamiento de imágenes Corrección de curvatura

33. GRACIAS POR SU ATENCIÓN Isabel Bordes Cabrera Jefe de Servicio de Biblioteca Digital, BNE [email_address]