朝汉混排古籍的文字切分方法

• 作者: 刘星辰 金小峰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 古籍数字化 朝鲜语古籍 列切分 字符切分
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 135-141
• 页数: 7页
• 分类号: TP391.4
• 字数: 5636字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1902-0119

摘要

为解决朝鲜语古籍数字化中朝汉文种混排字符切分困难的问题,提出一种朝鲜语古籍图像的文字切分算法.针对古籍列与列之间存在不连续间隔线、倾斜或者粘连等问题,提出一种基于连通域投影的列切分方法.利用连通域的删除、合并、拆分等操作对文字进行切分.使用一种多步切分法完成了具有文字大小不一,横向、纵向混合排版特点图像的字符切分工作.对于粘连字,采用改进的滴水算法进行有效切分.实验结果表明所提出的算法能够很好地完成朝、汉文种混排,文字大小不一,排版情况复杂的朝鲜语古籍图像的文字切分工作.该算法的列切分准确率为97.69％,字切分准确率为87.79％.