復(fù)雜版面文檔圖像表格與圖的提取及分析.pdf_第1頁(yè)
已閱讀1頁(yè),還剩100頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息化時(shí)代的來臨,紙質(zhì)文檔電子化已成為信息化建設(shè)的重要趨勢(shì)。表格是一種信息量高度集中的文本形式,它可以將文本和圖涵蓋其中,具有規(guī)范、簡(jiǎn)明和易于處理等特點(diǎn)。圖是對(duì)文字的生動(dòng)化描述,可以將晦澀難懂的文字通過圖的形式表達(dá)出來。在復(fù)雜版面文檔圖像中魯棒并精確地進(jìn)行表格與圖的提取及分析,是紙質(zhì)文檔電子化的關(guān)鍵。本文對(duì)此進(jìn)行了深入的研究,主要內(nèi)容如下:
  1.從文檔圖像中表格與圖的特點(diǎn)著手,對(duì)文檔圖像進(jìn)行預(yù)處理。本文首先將黃氏模糊算法與

2、OTSU算法結(jié)合,對(duì)文檔圖像進(jìn)行二值化,通過實(shí)驗(yàn)結(jié)果證明該算法抗噪性能良好,且減少了表格線的斷裂。此外針對(duì)傾斜的二值文檔圖像,本文采用基于Hough變換與形態(tài)學(xué)運(yùn)算相結(jié)合的傾斜校正算法進(jìn)行校正,并且用實(shí)驗(yàn)證明了該算法的有效性。
  2.表格的分析分為表格框線的提取、單元格的提取與表格重構(gòu)三部分。第一部分,表格線的提取采用了基于形態(tài)學(xué)的算法,能準(zhǔn)確地提取出表格框線,并定位出表格區(qū)域。第二部分,為了有效地提取單元格,本文首先對(duì)提取出的

3、表格框線做了細(xì)化。通過對(duì)Hilditch、Rosenfeld、查索引表、并行細(xì)化算法結(jié)果作比較,最終采用了并行細(xì)化算法,并對(duì)其細(xì)化不徹底的缺點(diǎn)做了改進(jìn)。然后,單元格的提取采用了基于表格特征點(diǎn)的算法,并采用Hough變換檢測(cè)單元格內(nèi)的斜線。第三部分,對(duì)單元格內(nèi)的文字信息進(jìn)行連通域掃描來定位,并將表格框線與斜線整合完成表格的重構(gòu)。
  3.圖的提取采用了基于輪廓跟蹤的算法,該算法可以將去除表格的文檔圖像中的圖提取出來。本文針對(duì)類似表格

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論