文本頁(yè)面中數(shù)學(xué)表達(dá)式的定位及分析.pdf

1、電子文檔具有容易修改、檢索和傳輸?shù)葍?yōu)點(diǎn)，從而基于移動(dòng)辦公終端的文檔實(shí)時(shí)電子化變得越來(lái)越頻繁。文檔的電子化必須經(jīng)過(guò)頁(yè)面分割和字符識(shí)別，頁(yè)面內(nèi)通常含有多種元素如字符、圖片、表格和數(shù)學(xué)表達(dá)式等，其中數(shù)學(xué)表達(dá)式的分析、識(shí)別和重組是文檔電子化的難點(diǎn)。因此研究高效的分析算法十分必要，本文的工作主要體現(xiàn)在以下幾個(gè)方面： 鑒于文本頁(yè)面各文本元區(qū)域的前景像素存在自．相關(guān)性，本文提出了基于微結(jié)構(gòu)的頁(yè)面分割算法來(lái)切分文本頁(yè)面。首先采用快速掃描算法將前

2、景像素歸類(lèi)并形成微結(jié)構(gòu)集，利用微結(jié)構(gòu)的相關(guān)性分類(lèi)出頁(yè)面含有的圖元、表格元等；改變合并規(guī)則合并分類(lèi)后的字符元得到字符區(qū)，選取字符區(qū)域的最大者結(jié)合最小二乘法檢測(cè)字符區(qū)的傾斜角度來(lái)校正頁(yè)面；最后利用微結(jié)構(gòu)并結(jié)合水平投影將校正后的頁(yè)面切割為文本行。 數(shù)學(xué)表達(dá)式的二維結(jié)構(gòu)特性使數(shù)學(xué)表達(dá)式與普通文本行存在很大差異，本文利用這些差異將獨(dú)立表達(dá)式行與普通文本行區(qū)分開(kāi)來(lái)；接著采用連通體搜索方法搜索分類(lèi)后的文本行，判斷搜索得到的連通體與該文本行上下