圖片檢索在網(wǎng)絡(luò)敏感信息實時預(yù)警系統(tǒng)中的應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,信息交換和傳播的方式也越來越多樣化,對于企業(yè)來說,需要及時獲知網(wǎng)絡(luò)上與自身有關(guān)的敏感信息。"網(wǎng)絡(luò)敏感信息實時預(yù)警系統(tǒng)"是針對企業(yè)需求開發(fā)的一種網(wǎng)絡(luò)信息審查系統(tǒng),可以對指定網(wǎng)站上的文本和圖片信息進行獲取和分析。本文的研究屬于系統(tǒng)中的圖片搜索模塊,在系統(tǒng)的圖片庫中辨別出公文圖片,并使用漢字識別技術(shù)識別出標題文本,以進行相應(yīng)的敏感信息匹配和預(yù)警。
　　 本文對公文圖片進行標題識別的方法分為圖片過濾、提取標題字

2、符和字符識別三個部分。圖片過濾是為了在種類繁多的圖片中過濾掉不具有公文特征的圖片,公文圖片的明顯特征包括顏色分布特征和紅色橫杠特征,再加上圖片的大小,以這三個特征作為公文圖片的判斷標準。提取標題字符是從圖片中提取出需要識別的單個字符,這是特征提取和識別的先決條件,提取字符可分為:版面分析、字符切分、規(guī)范化和細化幾個步驟。字符識別是對各個標題字符進行特征提取和識別,這個部分又分為特征提取和識別器的設(shè)計兩個步驟,識別器包括粗分類和單字識別,