基于膨脹算法的版面分析技術(shù)

《基于膨脹算法的版面分析技術(shù)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于膨脹算法的版面分析技術(shù)基于膨脹算法的版面分析技術(shù)郊延輝黃劍華唐降龍(哈爾濱工業(yè)大學(xué)計算機(jī)學(xué)院,哈爾濱150001)E-mail:gyh1978C163.com摘要論文提山了基于數(shù)學(xué)形態(tài)學(xué)的版面分析方法.該方法是以自底向上為主.同時結(jié)合了數(shù)學(xué)形態(tài)學(xué)的思想.論丈提出的方法.利用數(shù)學(xué)形態(tài)學(xué)的1"3脹運算和搜索算法,實現(xiàn)對復(fù)雜版面進(jìn)行快速準(zhǔn)確的分析.論文以名片版面圖像作為A'試樣本,進(jìn)行版面分析,取得了預(yù)期的效果.關(guān)健詞版面分析數(shù)學(xué)形態(tài)學(xué)搜索算法空童編縣1002-8331-(2003)34-0223-

2、03文獻(xiàn)標(biāo)識碼A中圈分類號TP391DocumentLayoutAnalysisBasedonDilationAlgorithmGuoYanhuiHuangJianhtutTangXianglong(ComputerScienceDepartment,HarbinInstituteofTechnology,Harbin150001)Abstract:Thispaperpresentsamethodfordocumentlayoutanalysisbasedonmathematicalmorphol

3、ogy.Thismethodmostlyisbasedonabottom-upapproach,italsobenefitsfromtheconceptofmathematicalmorphology.Bysomemor-phologicaloperationsandsearchalgorithm,theproposedmethodcananalyzeacomplexdocumentlayoutquicklyandaccurately.Theapproachhasbeentestedinareal

4、applicationforbusinesscardandgetsagoodresult.Keywords:DocumentLayoutAnalysis,Mathematicalmorphology,SearchAlgorithm1引言版面分析是印刷體漢字識別系統(tǒng)的重要組成部分,與字符識別具有同等重要的地位.它是利用計算機(jī)自動地對印刷體文檔圖像進(jìn)行分析,提取出文本,圖像,圖形,表格等區(qū)城,并確定其邏輯關(guān)系m.這就使系統(tǒng)用戶避免了手工畫框標(biāo)識文本塊的素瑣操作,減少人機(jī)交互的時間,從而提高識別系統(tǒng)的自

5、動化程度和愉入效率.作為漢字識別的預(yù)處理過程,正確合理的版面分析結(jié)果是后續(xù)版面識別工作的必要條件.因此,研究能夠適應(yīng)各種中文版面特點的通用版面分析方法,具有十分重要的意義.目前版面分析有三個主要方法:(1)自頂向下的方法〔"I(ToptoDownMethod)這種方法是采用某種算法將整篇文本進(jìn)行遞歸分割,直至得到版面塊的分布結(jié)果為止.(2)自底向上的方法t',',q(BottomtoUpMethod)這種方法則恰恰相反,它是一個合并的過程,先在文檔圖像中標(biāo)示出全部小的組件,再把這些組件歸并成字符,

6、進(jìn)而組成文本行,段落塊等,在合并的過程中得到版面結(jié)構(gòu).由于計算機(jī)運算速度的飛速發(fā)展,自底向上法的處理時間可以減少到應(yīng)用的程度.因此自底向上法成為目前流行的版面分析思想.而文中所采用的方案就是以自底向上分析為主,并引入數(shù)學(xué)形態(tài)學(xué)中的膨脹運算來進(jìn)行版面分析.以前的自底向上分析方法,主要是針對版面圖像中的黑象索點進(jìn)行連接域搜索不可避免地使計算量大大增大,速度很慢,而文中提出的方法先對版面圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)中的膨脹運算,不是以點為單位進(jìn)行連接區(qū)域搜素,而是以一個黑象素塊(如nxn的區(qū)域)為單位,再利用搜索

7、算法進(jìn)行連接域搜索,從而完成對版面圖像的分析.該算法已應(yīng)用到名片版面分析和銀行票據(jù)版面分析上.比較明顯地提高了搜索速度和分析正確率.2基于膨脹算法的版面分析方法在進(jìn)行版面分析的時候,采用自底向上的方法比較準(zhǔn)確,適合一些比較復(fù)雜的版面,而由于字符,文本行之間有間隙,從而使各個連通區(qū)域比較瑣碎,這樣就大大地增加了運算量.以前的版面分析技術(shù)采用"自底向上"的方法,是直接對版面圖像上的黑點進(jìn)行搜索,獲得連通區(qū)域,這種方式容易受噪聲的干擾,運算速度比較慢,并且給后面的連通區(qū)域合并帶來很大的困難.論文借鑒圖像

8、處理中的方法,把數(shù)學(xué)形態(tài)學(xué)中的膨脹運算運用到版面分析中.為了使各個連通域"變大",從而提高搜素速度,降低合并的工作量,這一點也是文中的版面分析算法與以前算法的不同之處.以前的版面分析方法是先搜索出較小的區(qū)域,然后進(jìn)行合并合并的計算量比較大,這里提出的算法,先通過對版面圖像進(jìn)行膨脹運算,合并各個空隙比較小的黑色區(qū)域,然后再進(jìn)行區(qū)域搜索,這樣就大大降低了區(qū)域合并的計算量,提高了版面分析的速度.算法的具體過程為:步1:膨脹運算和膨脹模板的選取根據(jù)中文面的一些特點,如宇符之間有較小的空隙,