Министерство высшего и средне-специального образования Республики Узбекистан

Министерство высшего и средне-специального образования
Республики Узбекистан
Академический лицей
Филиала Российского государственного университета
нефти и газа (НИУ) имени И. М. Губкина в городе Ташкенте


КУРСОВАЯ РАБОТА
по специальности
“Специалист по обработке, оцифрованию
и хранению электронных документов”


на тему:
«Технические средства распознавания PDF/DJVU файлов»
Проверила преподаватель информатики:
Ниязова Ф.Т.
Выполнил учащийся 2 курса группы Т1-20:
Зафаров Масуд


Ташкент-2022

Содержание
Введение
1.История
2.Форматы PDF и DJVU
2.1 Формат PDF
2.2 Формат DJVU
3. Программы для распознавания PDF/DJVU файлов
3.1 ABBYY FineReader
3.2 Readiris
3.3 CuneiForm
4. Литература
Введение
OCR – это технология преобразования файлов, созданных на основе изображений, в редактируемый текст. К файлам, созданным на основе изображений, относятся документы, отсканированные из учебников, журналов или рукописный текст в печатный, обычно сохраняемые в формате PDF. Технология распознавания символов (OCR) позволяет извлечь текст из этих изображений и сделать его редактируемым. Распознавание широко применяется для преобразования книг и документов в электронный вид, для автоматизации систем учёта в бизнесе или для публикации текста на веб-странице. Оптическое распознавание символов позволяет редактировать текст, осуществлять поиск слов или фраз, хранить его в более компактной форме, демонстрировать или распечатывать материал, не теряя качества, анализировать информацию, а также применять к тексту электронный перевод, форматирование или преобразование в речь. Оптическое распознавание текста является исследуемой проблемой в областях распознавания образов, искусственного интеллекта и компьютерного зрения. В настоящее время больше всего распространены так называемые «интеллектуальные» системы, с высокой степенью точности распознающие большинство шрифтов. Некоторые системы оптического распознавания текста способны восстанавливать исходное форматирование текста, включая изображения, колонки и другие нетекстовые компоненты.