随着计算机的普及,人们越来越多的使用计算机处理工作和存储信息.目前广泛应用的OCR系统对手写、印刷体文本都有很高的识别率,已经广泛应用于办公自动化、快速录入等领域,克服了人工输入费时费力的缺点.但是,对于一篇科技文献,其中有大量的数学公式,它们是由特殊的符号、希腊字母、英文字符和数字组成的复杂和结构体.当前的OCR系统只能识别单个字符,还不能分析公式结构,这样识别出来的公式只是一组毫无关系的字符串,失去了它所表达的数学含义.为此,我们提出了一种新的关于表达式识别的设计思想,并给出了完整的算法,将印刷体的数学公式(图像格式)转换成可编辑的电子格式(如LATEX,Word公式编辑器).按照表达式识别系统的流程,该文相应的分为以下四部分:粘连字符的分割.由于纸质文档的印刷质量、纸张的光洁度、扫描仪的分辨率、二值化等因素的影响,扫描得到的图像中的字符可能是粘连的.这为字符识别带来了困难.该文提出用组织映射作字符分割的方法,对经典的自组织学习规则做了一些改进,使其能以较少的神经元结点、较快的速度逼近粘连字符的白像素点的分布.文中对最短路径分割方法和自组织映射法分割做了对比,后者能分割一些前者不能处理的粘连字符.特征提取与选择.一个字符图像只是模式空间中的特征,还不能用来分类,必须在它上面提取抗旋转、缩放、平移的几何不变性特征.文中介绍三种常用的矩方法:规则矩、Zernike矩和样条小波矩.通过计算这三种矩可分性度量,发现Zernike矩更适于做字符的特征.文中还介绍了基于神经网络的主分量分析方法,在38维矩特征中选取18维的主特征,保留信息量的同时,大大降低了特征矢量的维数,消除了样本间的相关性,突出了差异性.字符识别.分类器是整个识别系统的核心.神经网络已经被广泛用于模式识别,克服了当前常用的模式识别方法的缺点,有效提高了识别率.文中用自组织特征映射做字符的粗分类,将特征相近的字答分在一组.然后BP神经网络对各组字符做细分类,识别出同一组的不同字符,有效地提高了分类精度.公式重构.如何从一组字符中判断它们复杂的结构至今也没有很好的解决.文中将介绍一种新的公式重构的方法.主要包括上下标定位的方法、符合LL(1)文法的数学表达式构成规则和语法分析器.无序的字符串通过语法分析器生成语法树,最终被转换成可编辑的LATEX公式格式.文章最后,以一定数量的英文数学资料作实验,结果表明该系统具有一定的实际应用价值,但是还有待进一步改进.