基于简化Mumford—Shah模型的文本行和段落分割算法.pdfVIP

僵患技术与佰息亿 基于简化 Mumford—Shah模型的文本行和段落分割算法 TextLineandParagraphSegmentationBasedonsimpleMumford——ShahModel 赵 娜 王希常～ 刘 江… ZHAONa WANGXi—chang LIUJiang doi：10．3969／j．issn．1672—9528．2009．05．024 摘 要 文本行和段落分割是文档 图像处理过程中的重要步骤。本文提出了一种基于简化 Mumford—Shah模型 的新的文本行和段落分割算法，该算法是脚本语言独立的。为了提高文本行和段落分割算法的有效性， 首先使用高斯滤波器对文档 图像进行平滑，然后再在此基础上运用简化的Mumford—Shah模型的水平集 图像分割算法分割文档图像。最后，利用数学形态学方法处理文档中粘连和交叠情况。实验表明，该算 法可以准确快速 的分割 目标物体，而且算法与初始轮廓线位置无关、不受边界轮廓线连续性限制、对图 像噪声具有很强的鲁棒性。 关键词 文本行和段落分割 简化Mumford—Shah模型 水平集 形态学 Abstract TextlineandParagraphsegmentationinhandwrittendocumentsisanimportantstageindocument imageprocessing．Thepaperpresentsanew textlineandParagraph segmentation method based onthesimple Mumford—Shahmode1．Thealgorithm isscriptindependent．Toenhancetheefficiencyoftextlineandparagraph segmentation，firstly，weexploitGaussianFiltertosmooththetextdocument．Thenweuselevelsetalgorithm to solvethesimpleMumford—Shahmode1．Inaddition，weusemorphingtoremoveoverlapsbetween neighboring textlinesandconnectbrokenones．Experimentalresultsshow usingthismethodcansegmentdocumentimage’S targetfastandaccurately．It’saneffectiveand robustapproachfortextlineandparargaphsegmentation with noise，irrespectiveofedgecontinuousinformationandcurveinitialposition． Keywords Textlineandparargaphsegmentation SimpleMumford—Shahmodel Levelset Morphology 字符粘连 ，标点、重音标号等这些因素都增加 了手写体文本行分 1 引言 割的难度。 计算机和互联网的诞生引发了信息技术革命 ，使得大量电子 对于可以视为矩形的文本行，可以考虑采用文献 列举的投 文档涌现出来 ，实现了信息交换的高速化、信息的海量存储 、高速 影法和平滑法，效率高，但是投影法对曲线和行的倾斜较敏感，游 信息关联和信息检索。应运而生，关于文档图像处理技术也蓬