OCR纠错算法

| 我正在使用Tesseract 3作为我的OCR引擎，对大量扫描文档进行数字化处理。输出的质量中等，因为它经常在实际文本之前和之后产生垃圾字符，并在文本内产生拼写错误。 对于前一个问题，似乎必须要有策略来确定哪些文本实际上是文本，哪些文本不是（大多数文本是像人的名字一样的东西，所以我正在寻找除查找字典中的单词）。 对于错字问题，大多数错误源于字母的一些错误分类（例如，将“ 0”，“ 1”和“ 2”相互替换），并且似乎应该有猜测哪些单词拼写错误的方法（因为不是）许多英语单词的中间都有一个“ 1”），并猜测适当的更正是什么。 这个领域的最佳做法是什么？是否有做这种事情的算法的免费/开源实现？ Google已经发表了很多论文，但是没有太多具体的内容。如果没有可用的实现，那么很多论文中的哪一篇是一个好的开始？