随着计算机视觉的飞速发展，作为计算机视觉的经典问题之一的光学字符识别（ｏｐｔｉｃａｌｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ，ＯＣＲ）技术迅速突破了传统技术框架的瓶颈，在自然场景文本识别、车牌识别、证件票据识别等诸多领域得到了广泛的应用。
１ 光学字符识别的发展
１１ＯＣＲ的历史阶段
１９２９年德国人Ｔａｕｓｈｅｃｋ取得了光学字符识别的专利［２］，之后各国逐渐开始针对ＯＣＲ技术进行研究。早期的研究内容主要是针对识别方法的理论研究，后来开始针对简单的０～９数字进行识别。直到１９６６年ＩＢＭ公司的Ｃａｓｅｙ和Ｎａｇｙ才开始了针对汉字等复杂字符的识别进行研究，并且使用模板匹配的方法识别了１０００个印刷体汉字。２０世纪７０年代初日本的学者也开始了汉字识别研究，
其中有代表性的成果有１９７７年东芝综合研究所研制的可以识别
２０００个单体印刷汉字的ＯＣＲ识别系统。
中国在ＯＣＲ技术方面的研究工作起步较晚，直到７０年代才逐渐开展了对于光学字符识别的研究。我国在１９８６年提出“８６３”高新科技研究计划，“８６３”计划的信息领域课题组织了清华大学、北京信息工程学院、沈阳自动化所三家科研单位展开中文ＯＣＲ的研发工作，将中国的汉字识别的研究进入一个实质性的阶段，并由清华大学率先推出了国内最早的ＯＣＲ产品。早期的ＯＣＲ技术研究是基于模式识别的基础上进行的，模式识别的每一个模块都需要很好的设计，才能使整个系统达到较好的识别效果。
随着近年深度学习的不断发展，基于卷积神经网络的ＯＣＲ技术打破了传统ＯＣＲ技术的框架，在识别效率以及准确率上都有了质的飞跃。国际文档分析与识别大会于２００３年大会设立“Ｒｏ⁃ｂｕｓｔＲｅａｄｉｎｇＣｏｍｐｅｔｉｔｉｏｎｓ”，该竞赛主要评测和检验自然场景、网络图片、复杂视频文本自动提取与智能识别最新技术的性能，并设立了丰厚的奖金。该竞赛极大地促进了ＯＣＲ技术的发展，目前已经成为ＯＣＲ技术研究进展重要的国际赛事及标准。由于竞赛强大，实际应用性、高技术难度、诸多科研院校、科技公司都参与其中，目前已有８９个国家的３５００多支队伍参与。ＯＣＲ技术的发展前景一片繁荣。
１ ２ ＯＣＲ 技术流程
传统 ＯＣＲ 技术已经形成了成熟的技术流程体系，大体包括如下几个阶段：
ａ） 预处理。 主要包括对图片的降噪、灰度化、二值化、倾斜校正。 二值化的过程帮助了识别模型确定文字区域的位置。
