我正在使用OCR输出，并且正在搜索其中的特殊字词。用于OCR的字距算法
由于输出不干净，我根据低于特定阈值的单词距离查找与我的输入相匹配的元素。
但是，我觉得Levenshtein距离或汉明距离并不是最好的方式，因为OCR总是会犯同样的错误：I为1,0，O为O，Q为O ......并且这些“例如，“经典”错误似乎不如“A for K”重要。因此，这些距离不关心字符外观差异的大小（低/高）。
是否有任何字距离算法，专门为OCR，我可以使用，将更好地适合我的情况？或者，我应该根据人物的视觉差异凭经验实施我的自定义单词距离吗？
Levenshtein距离允许您为每个替换对指定不同的成本（http://en.wikipedia.org/wiki/Levenshtein_distance#Possible_modifications，第五项）。因此，您可以通过强调常见错误来调整您的需求。
对于每个两个字符串之间的每个levenshtein动作，取决于char值，我将尝试使用0到1之间的代价。这应该给我一个双倍的距离。 – zenbeni
你解决了这个问题吗？让我知道你没有。我为ABBYY工作并随时准备为您提供帮助。 –
我想要的字母不匹配的自定义成本函数，你可以看看EMBOSS软件包（NW）
这是一个很好的阅读。使用Needleman-Wunsch通过两种不同的OCR输出在第一遍中查找分类名称。然后使用这些名称在所有文档的第二遍中查找这些难以处理的单词。它可以工作。 – zenbeni
如果你曾经阅读过tesseract源代码，你会发现它特殊的处理案例很多 –
你在64位JVM上使用tesseract ocr吗？ – manu
@manu不，我使用ABBYY FineReader。 – zenbeni