基于特征的文档子图像检索及其相关反馈.pdfVIP

基于特征的文档子 图像检索及其相关反馈 Feature——BasedDocumentSub——ImageRetrievalusingRelevanceFeedback 范红梅’ 王希常’ 于建伟一 FANHong -·mei WANGXi——chang YUJian-·wei doi：10．3969／i．issn．1672—9528．20o9．05．Ol1 囊 耋 探讨纯文本图像的子图像检索问题。提取其层次结构特征进行匹配，同时为了提高检索精度，又提出了 一 种适合文档子图像检索的相关反馈算法。实验采用6千幅英文手写体纯文本图像作为样本集，每次 迭代返回给用户 l2幅图像，结果表明每次迭代用时约4秒，6次迭代后召回率基本稳定在 83％。 文档图像检索 层次树匹配 相关反馈 Rocchio算法 Abstract Fortextimage，itshierarchicalcharacteristicsisextractedtosolvetheproblem offeature—based sub—imageretrieva1．Toimprovetheretrievalprecision，asuitablerelevancefeedbackalgorithm fordocument sub—imageretrievalispresented：ofreachiteration，positiveandnegativesamplesarespecifiedbytheuserand ofreachsampleimageinthecumulativepositiveandnegativesma plesthesystem upsatesthepenaltycoefficientof itssub—imageanddeterminesthequerypo ints movingtothepo sitiveandnegativesampleset，thenthesystem updatesthequeryimagecombiningRocchioalgorithm．Perfomr anceevaluationonadatasetofoversixthousands Englishhnadwrittentextimagesshowsthatthesystem canachieveastba leaveragerecallvalueof83％ with6it— erationswhileofreachsuchiterationtheusercangetthetop12retrievedimagesin4seconds． Keywords Documentimageretrieval Hierarchicaltreematching Relevancefeedback Rocchio algo- rihtms 1．1 档图像的特点 引言 文档图像一般意义为含有文字信息的图像，本文所研究的文 近年来，数字采集技术有了较快发展，文档图像的数字化 已 档图像为手写体扫描图像 ，图像中不包含有非文字信息。与非文 成为提高信息管理的重要手段 ，随着文档图像的规模越来越大， 档图像相比，文档图像的特点主要体现在以下几个方面： 图像的高效管理受到研究者的重视。如何快速检索文档图像也 a．文档图像的直方图离散性较大，信息熵 比较小，非文档图 成为一个重要的研究课题。 像的直方图分布连续性比较强。 当前 ，基于内容的文档图像检索一般都以一整幅文档图像作 b．文档图像对应的文字像素所占比重比较