利用可用的光学字符识别引擎增强处理旧的库尔德出版物

光学字符识别（OCR）是从图像中提取文字的重要技术，能够将手写或印刷文字转换为机器可理解的格式。

本文全面审查了与阿拉伯OCR相关的应用、方法和挑战，分析了有效技术并指出研究空白。

通过细致的关键词搜索，本文对阿拉伯OCR相关的文章进行了全面分析，展示了最新的技术和方法。

研究结果为阿拉伯OCR的研究人员和实践者提供了宝贵的见解，促进了该领域的进步。

提出了一种混合模型的方法，显著降低了字符错误率，提升了OCR引擎的性能。

利用非支配排序遗传算法（NSGA-II）调整参数，提高了OCR在打字文化遗产文件中的性能。

开发了一种针对数据不足的OCR后校正方法，平均可将识别错误率降低34%。

提出了OCR系统的人类中心评估方法，证明了OCR技术在濒危语言文献记录中的潜在益处。

EffOCR是一种开源OCR包，具有成本低、样本高效等优点，在历史文件和日文文档的数字化上取得成功。

针对阿拉伯历史文献的OCR技术研究提出了一种端到端文本识别方法，识别准确率达到了4.46%。