1.
OCR en toepassing bij de KB IMPACT Demo-dag Marian Hellema, 16 februari 2011

2.
Origineel

3.
Digitaliseren <ul><li>Onder meer: </li></ul><ul><li>Image van iedere pagina </li></ul><ul><li>OCR: tekstuele versie </li></ul>

4.
Waarom OCR? <ul><li>Zoeken en vinden </li></ul><ul><ul><li>fulltext search </li></ul></ul><ul><li>Presentatie </li></ul><ul><ul><li>highlighten van zoektermen </li></ul></ul><ul><ul><li>alleen-tekst-presentatie </li></ul></ul>

5.
Zoeken ( fulltext search) <ul><li>Tekst wordt ge ïndexeerd in zoekmachine </li></ul>

6.
Presentatie: highlighting

7.
Presentatie: alleen-tekst

8.
Layout-informatie <ul><li>Standaard: ALTO </li></ul><ul><li>OCR-tekst en co ördinaten </li></ul><ul><ul><li>tekstblokken, regels en woorden </li></ul></ul><ul><ul><li>co ördinaten geven de positie op de pagina aan </li></ul></ul><ul><ul><li>gekoppeld aan het image van de pagina </li></ul></ul><ul><li>informatie over de betrouwbaarheid van de tekenherkenning </li></ul><ul><li>layout-informatie </li></ul>

9.
Stukje ALTO <ul><li><TextBlock ID=&quot;P1_TB00004&quot; HPOS=&quot;105&quot; VPOS=&quot;145&quot; WIDTH=&quot;457&quot; HEIGHT=&quot;57“ </li></ul><ul><li> STYLEREFS=&quot;TXT_0 PAR_LEFT&quot;> </li></ul><ul><li><TextLine ID=&quot;P1_TL00006&quot; HPOS=&quot;135&quot; VPOS=&quot;155&quot; WIDTH=&quot;423&quot; HEIGHT=&quot;43&quot;> </li></ul><ul><li> <String ID=&quot;P1_ST00019&quot; HPOS=&quot;135&quot; VPOS=&quot;163&quot; WIDTH=&quot;25&quot; HEIGHT=&quot;34“ </li></ul><ul><li>CONTENT=&quot; 9 &quot; WC=&quot;0.51&quot; CC=&quot;4&quot;/> </li></ul><ul><li>... </li></ul><ul><li> <String ID=&quot;P1_ST00020&quot; HPOS=&quot;184&quot; VPOS=&quot;157&quot; WIDTH=&quot;234&quot; HEIGHT=&quot;39&quot; </li></ul><ul><li>CONTENT=&quot; NOVEMBER &quot; WC=&quot;0.98&quot; CC=&quot;93748026&quot;/> </li></ul><ul><li>... </li></ul><ul><li> <String ID=&quot;P1_ST00021&quot; HPOS=&quot;446&quot; VPOS=&quot;155&quot; WIDTH=&quot;111&quot; HEIGHT=&quot;38&quot; </li></ul><ul><li>CONTENT=&quot; 1837 .&quot; WC=&quot;0.53&quot; CC=&quot;15654&quot;/> </li></ul><ul><li></TextLine> </li></ul><ul><li></TextBlock> </li></ul>

10.
Hoe gaat OCR in zijn werk? <ul><li>bewerken van images </li></ul><ul><ul><li>despeckling, rechtzetten, ..... </li></ul></ul><ul><li>analyse van de pagina </li></ul><ul><ul><li>herkenning van illustraties, lijnen, tekstblokken, regels, woorden, .... </li></ul></ul><ul><ul><li>herkenning van logische documentstructuur: titels, paginanummers, inhoudsopgave, ... </li></ul></ul><ul><li>tekenherkenning </li></ul>

11.
Hoe gaat OCR in zijn werk? <ul><li>Extra mogelijkheden: </li></ul><ul><li>training van de software </li></ul><ul><li>inzetten van woordenboeken </li></ul>

12.
Waarom is IMPACT nodig?