文檔圖像的版面分析技術(shù)研究.pdf

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(shí)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(dòng)檢索、辦公自動(dòng)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(shí)別兩大部分。
　　 針對(duì)傳統(tǒng)的自頂向下方法難以適應(yīng)復(fù)雜版面的問(wèn)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(zhǎng)度及寬度大于一定閾值的初始分割線，并針對(duì)固定閾值法適應(yīng)性不強(qiáng)的問(wèn)題，提出一種自適應(yīng)閾值計(jì)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(wèn)題，采用分層聚類方法，使得線簇形狀得以簡(jiǎn)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(duì)各分割線所形成的交點(diǎn)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(guò)區(qū)域的篩選及合并處理增強(qiáng)分割結(jié)果的有效性。
　　

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