algorithm - OCR的词距算法

Question

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单词距离寻找与我的输入匹配的元素。

但是我觉得Levenshtein距离或者Hamming距离都不是最好的方式，因为OCR好像总是犯同样的错误:I代表1，0代表O，Q代表O……还有这些“经典”例如，错误似乎不如“A for K”重要。因此，这些距离不关心字符外观(低/高)的差异量。

是否有任何专为 OCR 设计的词距离算法可供我使用，它更适合我的情况？还是应该根据字符的视觉差异凭经验实现自定义词距？

Answer 1

Levenshtein 距离允许您为每个替换对指定不同的成本(http://en.wikipedia.org/wiki/Levenshtein_distance#Possible_modifications，第五项)。因此，您可以通过或多或少地强调常见错误来根据您的需要进行调整。