我正致力于将大量扫描文档数字化，使用Tesseract 3作为我的OCR引擎。它的输出质量一般，因为它经常在实际文本之前和之后产生垃圾字符，以及文本中的拼写错误。
对于前一个问题，似乎必须有策略来确定哪些文本实际上是文本，哪些文本不是(这些文本中的大部分是人名之类的东西，所以我正在寻找解决方案，而不是在字典中查找单词)。
对于拼写错误问题，大多数错误源于字母的一些错误分类(例如，将l, 1和I替换为另一个)，并且似乎应该有猜测哪些单词拼写错误的方法(因为英语中没有太多单词中间有"1")，并猜测适当的更正是什么。
这个领域的最佳实践是什么?有没有免费/开源的算法实现这类事情?谷歌发表了大量论文，但没有多少具体成果。如果没有可用的实现，那么众多论文中的哪一篇将是一个好的起点?
对于"确定哪些文本实际上是文本，哪些文本不是"，您可能需要查看来自开发Tesseract (ISRI)的同一部门的rmgarbage。我写了一个Perl实现，还有一个Ruby实现。对于1 vs. 1的问题，我正在试验ocrspell(同样来自同一个部门)，他们的原始源代码是可用的。
我只能发布两个链接，所以缺少的是:
- rmgarbage:搜索"自动清除OCR文本中的垃圾字符串:一个实现"
- ruby实现:搜索"docsplit textcleaner"
一些可能对你有用的是尝试这个免费的在线OCR，并将其结果与你的比较，看看是否通过玩图像(例如缩放/缩小)你可以改善结果。
我使用它作为我自己使用tesseract(在使用OpenCV修改图像后)时应该得到的结果的"上限"。