古籍手寫漢字圖像分割算法研究.pdf

1、文本圖像的分割對于進(jìn)行正確的單字提取和字符識別有著重大的影響和使用價(jià)值,而古籍手寫漢字圖像分割更是古籍漢字識別過程中的難點(diǎn)。同時(shí)古籍手寫漢字圖像的分割對開展古籍文物研究、文獻(xiàn)研究及文字研究工作具有十分重要的價(jià)值。由于古籍漢字資料保存時(shí)間久遠(yuǎn),大量存在紙張變色、破損、文字殘缺等現(xiàn)象,導(dǎo)致古籍手寫漢字圖像噪聲很大,處理難度很大。現(xiàn)有的大多數(shù)預(yù)處理及單字切分算法多以印刷文本圖像為處理對象,在對古籍手寫漢字圖像進(jìn)行處理時(shí)往往效果欠佳。因此,論文

2、根據(jù)古籍手寫漢字分割的要求對現(xiàn)有的方法進(jìn)行改進(jìn),并設(shè)計(jì)了新的文本圖像處理方法,以期得到滿意的單字圖像分割結(jié)果。
　　 在參與對敦煌遺書等古籍進(jìn)行研究的社科基金項(xiàng)目的過程中,分析了古籍手寫漢字圖像的特點(diǎn)和復(fù)雜性,在閾值分割、連通域標(biāo)記和基于偏微分方程的目標(biāo)輪廓提取等理論與算法的基礎(chǔ)上,對古籍手寫漢字圖像的分割問題進(jìn)行了深入的研究。主要內(nèi)容有:
　　 ①針對單純采用全局閾值法或局部閾值法對圖像進(jìn)行分割時(shí)的不足,提出了整體閾值

3、與局部閾值相結(jié)合的二次OTSU算法。算法綜合考慮全局閾值與局部閾值來確定各像素點(diǎn)的閾值。與單純采用全局閾值法和單純采用局部閾值法相比,該算法在克服了以上兩種算法的缺點(diǎn)的同時(shí),繼承了以上兩種算法的優(yōu)點(diǎn),既考慮到了局部圖像的特殊性,也兼顧了整個(gè)圖像的整體性。通過實(shí)驗(yàn)證明,這種方法很好地將全局閾值的概括性與局部閾值的針對性結(jié)合了起來,能夠取得明顯優(yōu)于原來兩種算法的處理結(jié)果,這給后續(xù)的字符切分打下了良好的基礎(chǔ)。
　　 ②針對傳統(tǒng)連通域標(biāo)

4、記算法需要多次掃描才能完成像素標(biāo)記,運(yùn)算時(shí)間較長的缺點(diǎn),提出了快速非遞歸連通域生成及合并算法。算法對二值圖像只需進(jìn)行一次掃描,對需要識別的目標(biāo)進(jìn)行標(biāo)記,遇到分叉時(shí)即進(jìn)行連通域的合并。因此,在掃描過程中就可得到已掃描區(qū)域中的連通域,一次掃描后,無需再進(jìn)行任何處理,就得到了二值圖像的連通域的正確劃分。實(shí)驗(yàn)證明,算法對于簡單圖像、一次分叉圖像、多次分叉圖像、連通域相互包含的圖像,都可以J下確、快速地進(jìn)行連通域的標(biāo)記處理。
　　 ③應(yīng)用

5、快速非遞歸連通域生成及合并算法,設(shè)計(jì)了基于連通域特征的去噪去邊框算法,及基于連通域并結(jié)合方塊字特征進(jìn)行單字切分的算法。并進(jìn)一步采用局部投影法進(jìn)行粘連字的切分。對應(yīng)用快速連通域標(biāo)記算法進(jìn)行手寫漢字圖像處理的算法都進(jìn)行了實(shí)驗(yàn)及結(jié)果分析。實(shí)踐證明算法對手寫漢字圖像進(jìn)行連通域生成、去噪、去邊框及單字切分效果良好。
　　 ④針對傳統(tǒng)C-V主動輪廓模型達(dá)到穩(wěn)定狀態(tài)所需的迭代次數(shù)過多,對圖像的尺寸比較敏感的缺點(diǎn),提出了局部C-V主動輪廓模型快

6、速圖像分割算法。算法對圖像進(jìn)行預(yù)先的分塊,將各分塊單獨(dú)作為輸入圖像以C-V模型算法進(jìn)行分割處理。實(shí)驗(yàn)證明,算法在保證處理效果的前提下速度上得到了極大的提高。
　　 ⑤根據(jù)手寫漢字每個(gè)漢字單獨(dú)成塊的特點(diǎn),提出了窄帶快速C-V手寫漢字圖像分割方法。算法首先采用閾值法對漢字進(jìn)行初步的分割,再利用漢字圖像的連通域信息,進(jìn)行漢字圖像輪廓標(biāo)記及窄帶的構(gòu)造,進(jìn)一步進(jìn)行基于窄帶C-V模型的手寫漢字圖像分割。實(shí)驗(yàn)表明,采用窄帶法對手寫漢字進(jìn)行分割

7、,能夠保留更多的文字細(xì)節(jié),更加真實(shí)自然,同時(shí)處理速度進(jìn)一步提高,有利于對文字進(jìn)行后續(xù)的分析研究。
　　 綜合本文提出的各種手寫漢字圖像分割算法,設(shè)計(jì)出了對手寫漢字圖像進(jìn)行分割處理的完整的算法流程。對灰度化的手寫漢字圖像采用二次OTSU算法,對整幅圖像進(jìn)行二值化處理。接著采用非遞歸快速連通域算法,標(biāo)記出圖像的連通域情況。根據(jù)手寫漢字的特點(diǎn),進(jìn)行去邊框、去噪及單個(gè)漢字的分割操作。根據(jù)連通域情況初步分割出單個(gè)漢字后,再從原灰度圖像中的