OCR技术是将纸质印刷文字转换为可编辑文字的主要手段之一。对于一般纯文本版面,OCR识别率目前可达到100%。而对于图文混排的版面在OCR识别前需要对版面进行版面分析,分离出文本、表格、图形图像甚至标题、公式、分栏等版面元素并进行相应处理。中文版面与西文版面有较大差别。随着中文出版物样式越来越多,版面也千变万化,由于中文版面规范性差,版面内除了图文混排之外,横、竖排版交叉,文本块的字体、字号变化,文本块间的间隔线、花边线繁多。此外由于汉字本身特点,多数汉字由几部分偏旁组成,其偏旁部首容易和标点符号相混淆,上述问题给中文版面分析带来等大的复杂性。版面分析作为OCR识别和文档复原的必要前提,版面分析算法的好坏,直接影响文档识别和复原的效果,而现有的版面分析并不能很好解决这一问题。本课题来源于“视障者阅读辅助器具的研制”,为国家“十一五”科技支撑计划重点项目,该课题的主要目标是研制一种供盲人使用的嵌入式的视听转换装置,该装置采用OCR技术及语音合成技术,将印刷文字转换为语音输出。借助该装置视障者可“阅读”普通纸质书籍。版面分析作为其中重要一个环节,要求版面分析算法能够处理一般常见排版的情况,并在算法效率和算法准确率有一定要求。本文基于上述目的,研究了现有的各种版面分析算法,对它们的优点和缺点加以分析,并根据视障者阅读辅助器具(后文简称为盲人阅读器)的具体要求,改进了现有的版面分析算法,采用递归投影方法辅助连通域的方法,在进行版面划分的同时,将图像区域优先分离,并通过连通域处理其中的文字区域。