OCR:根据最后N个结果选择最佳字符串(OCR的自适应滤波器)

Question

我已经看到了一些关于如何根据不同引擎的输出决定最佳OCR结果的问题，答案通常是“选择最好的引擎”。然而，我希望捕获几帧文本图像，其中可能存在临时遮挡或临时故障。我正在使用带有python-tesseract的tesseract-ocr。

考虑到最后N帧的OCR输出，我想决定什么是最好的结果(为了简单起见，逐行)。

例如，对于N=3，我们可以使用中值滤波：

ABXD
XBCX
AXCD

当3个相等的字符中有2个相等时，多数将获胜，因此结果将是ABCD。然而，对于不同的字符串大小，这并不容易。如果我期望给定的大小M (如果扫描价格表，行通常是XX.XX)，我总是可以对大于M的字符串进行惩罚。

如果我们讨论的是数字，中值滤波会工作得很好(计算机视觉中的简单背景减法)，或者一些最小均方自适应滤波。还有相似字符的问题:根据字体的不同，l和1可能非常相似。

我还在考虑使用每个字符串之间的字符串距离。例如，选择与其他字符串的距离总和最小的字符串。

以前有没有人解决过这种问题？对于这类问题，有没有我应该知道的已知算法？

Answer 1

这个问题被称为多序列比对，您可以在here上阅读相关内容