數(shù)字圖書(shū)館--文檔圖像的檢索.pdf

1、隨著數(shù)字圖書(shū)館的飛速發(fā)展，圖書(shū)館的信息采集、加工(分類(lèi)、編目)、形成MARC記錄、提供二次文獻(xiàn)檢索等手段已很難滿(mǎn)足用戶(hù)的需求，信息檢索技術(shù)已由字段檢索、全文檢索向內(nèi)容檢索、搜索引擎等方向發(fā)展。其中大量信息是文本圖像。本文就是基于內(nèi)容的針對(duì)文檔圖像的檢索進(jìn)行的研究。通過(guò)機(jī)器自動(dòng)提取圖像的內(nèi)容作為檢索特征，并利用相似性度量算法進(jìn)行的近似匹配。
　　 本文主要從兩個(gè)方面進(jìn)行論述，一方面從理論的角度討論了文檔圖像檢索的原理和模型，并結(jié)合

2、原理和檢索模型對(duì)檢索系統(tǒng)中各主要部分的算法進(jìn)行研究。另一方面，從系統(tǒng)實(shí)現(xiàn)的角度對(duì)檢索平臺(tái)進(jìn)行了說(shuō)明。本系統(tǒng)檢索算法中主要有四大部分構(gòu)成：文檔圖像預(yù)處理，漢字圖像分割，特征提取及匹配，用戶(hù)端檢索。采用閾值法二值化對(duì)文檔圖像進(jìn)行預(yù)處理。針對(duì)文檔圖像的特點(diǎn)，采用投影法，將漢字圖像分割為單個(gè)漢字塊兒圖像，在此基礎(chǔ)上，采用改進(jìn)的模板對(duì)其進(jìn)行細(xì)化，實(shí)驗(yàn)效果較好，細(xì)化毛刺明顯減少。主要介紹了六種特征提取方法，對(duì)比傳統(tǒng)的方法，本系統(tǒng)采用一種基于骨架特征