文檔圖像的版面分析技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、文檔圖像的版面分析是文檔信息處理系統(tǒng)的重要組成部分,以及復(fù)雜文檔OCR必不可少的環(huán)節(jié),它是實現(xiàn)紙質(zhì)文檔數(shù)字化的重要環(huán)節(jié)。版面分析技術(shù)廣泛應(yīng)用于文檔自動檢索、辦公自動化等領(lǐng)域,但由于文檔版面類型多樣,結(jié)構(gòu)復(fù)雜,目前的版面分析技術(shù)仍具有較多局限性,因此版面分析具有重要的意義及應(yīng)用前景。版面分析主要包括版面分割以及區(qū)域類型識別兩大部分。
   針對傳統(tǒng)的自頂向下方法難以適應(yīng)復(fù)雜版面的問題,本文提出一種基于分割線提取的版面分割算法。該算

2、法首先分別在水平和垂直方向上提取長度及寬度大于一定閾值的初始分割線,并針對固定閾值法適應(yīng)性不強的問題,提出一種自適應(yīng)閾值計算方法;然后將初始分割線聚類成線簇,為解決線簇形狀復(fù)雜、主軸方向難以確定的問題,采用分層聚類方法,使得線簇形狀得以簡化,并采用一定策略提取出線簇主軸線作為最終分割線;然后對各分割線所形成的交點構(gòu)建關(guān)系模型,并基于該模型采用閉合框搜索算法分割出各版面區(qū)域;最后通過區(qū)域的篩選及合并處理增強分割結(jié)果的有效性。
  

3、 針對現(xiàn)有方法在同一層次考察各項目標屬性識別效率不高的問題,本文提出一種基于特征屬性的層次識別算法。該算法首先通過樣本統(tǒng)計得到各類目標的各項屬性概率分布,并引入屬性區(qū)分力的概念,表達屬性區(qū)分目標的能力,由此構(gòu)建目標屬性表,識別過程中每次提取當前區(qū)分力最大的屬性,并計算目標概率,實現(xiàn)一種逐步提取屬性并確定目標歸屬直至最終確定目標類型的層次識別過程。本文針對版面分割所得到的文檔區(qū)域構(gòu)建了3*5大小的目標屬性表,采用該算法較好地實現(xiàn)了版面區(qū)域

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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論