Pressemitteilung vom 08.08.2011
OCR-Texterkennungsprogramme im Test
Transym, OmniPage und FineReader überzeugen im Zusammenspiel mit Archivierungslösung "Office Manager"
Königs Wusterhausen - Sollen gescannte Dokumente in einem digitalen Archivsystem per Volltextsuche wiederauffindbar sein, dann ist neben der Archivierungssoftware auch ein gutes Texterkennungsprogramm erforderlich. Denn Papier-Dokumente liegen nach dem Scan nur als grafisches Abbild vor - der enthaltene Text muss für die Datenverarbeitung noch ermittelt werden. Moderne Softwarelösungen verwenden intelligente Optical Character Recognition-Technologien, um die einzelnen Zeichen im Bildmuster zu erkennen. Diese werden zu Wörtern zusammengefasst und mit Wörterbüchern abgeglichen, Falscherkennungen können dann automatisch korrigiert werden.
Doch bei der Erkennungsquote trennt sich die Spreu vom Weizen, wie ein aktueller OCR-Test der DMS-Spezialisten vom Softwarebüro Krekeler zeigt. Sie stellten die Texterkennungsprogramme
- Nuance OmniPage (Versionen 17.1 und 18.0),
- ABBYY FineReader for ScanSnap 4.1,
- Microsoft Office Document Imaging 2003,
- Transym 3.0.2.4 und die
- Open-Source-Lösung Tesseract 3.0
im Zusammenspiel mit ihrer etablierten DMS-Lösung Office Manager auf den Prüfstand. Letztere verfügt über entsprechende Schnittstellen für die Ankopplung der OCR-Programme.
Testdokumente
Zunächst haben wir die Lösungen an einem Testdokument mit sauberem, schwarzem Druck auf weißem Hintergrund angewandt. Die
zweite Vorlage war da schon anspruchsvoller: Die auf der Rückseite eines Kontoauszuges gedruckten AGB eines Kreditinstitutes mit
vorhandenen Flecken und besonders kleiner Schrift. Die aufgetretenen Fehler wurden festgehalten und die Erkennungsquote ermittelt
,
erläutert Harald Krekeler, Inhaber des gleichnamigen Softwarebüros, den Testablauf. Während sich alle Kandidaten beim ersten
Testdokument nahezu gleich gut schlugen, zeigten sich bei den AGB zum Teil deutliche Unterschiede hinsichtlich der Erkennungsgenauigkeit.
Erkennungsquoten
Mit einer Erkennungsquote von 99,0 Prozent schnitt Transym beim Vergleichstest am besten ab.
OmniPage sowie der ABBYY FineReader belegten mit 98,7 Prozent beziehungsweise 98,3 Prozent den zweiten und dritten Platz. Mit merklichem
Abstand folgen Microsoft Office Document Imaging (95,3 %) sowie die einzige Open-Source-Lösung im Test - Tesseract (92,9 %).
Das hervorragende Ergebnis von Transym hat uns überrascht, während die Erkennungsquoten von OmniPage und FineReader den
Erwartungen entsprachen. Das schlechte Abschneiden von Tesseract hingegen liegt darin, dass die Lösung nur auf die reine Zeichenerkennung,
jedoch dabei von Hause aus nicht auf ein Wörterbuch zur Plausibilitätsprüfung zurückgreift
, resümiert Harald Krekeler.