基于自适应重组策略的中文文档版面分析

• 作者: Chi-YenChen FuChang Shih-YuChu 屠晓
• 来源期刊: 图象识别与自动化
• 学科: 工学
• 关键词: 版面分析 中文文档 组策略 自适应 参数值 参数定义 策略分析 文档图像 文本 数值化 分组 面结构 准确率 间隔 字符
• 年，卷（期）: txsbyzdh_2005,（1）
• 页码范围: 1-11
• 页数: 11页
• 分类号: TP391

摘要

在文档版面分析中，采用一些数值化参数定义文本行和文本区域(如字符与字符的间隔和行与行的间隔)，但只有在形成文本行和文本区域后才能确定这些参数的值。这类似先有鸡还是先有鸡蛋的问题，可以通过自适应重组策略解决。这个策略大致分为三步：第一步，根据最初的参数值将一些基本图像成分分组，组成预备的文本行和文本区域；第二步，根据已分好的小组推敲对参数值的评估；第三步，根据重新确定的参数值拆分或合并已存在的分组，形成新的分组。本文运用上述策略分析时，同时存在水平文本行和垂直文本行的中文文档。使用这种方法可以成功地获得结果。对一千多篇具有不同文档版面结构的文档图像进行测试，结果显示，这种方法识别文本行和文本区域的准确率在98％以上。