中文复杂版面分析方法.pdf

摘要： 文档图像理解(DocumentImage 能够理解和编辑的信息，以方便保存和使用。在OCR技术已经相当完善的今天，版面分 析成为文档图像理解工作中一个十分关键的问题。中文版面分析研究历史比较短，再加 之中文在字符和排版方式上不同于英文使得中文版面分析有其自身的难点，所以对中文 版面分析方法的研究是很有价值的。 本文针对报纸等复杂版面提出了一个新的中文版面分析方法。该方法是自底向七和自 顶向下方法的结合，吸取两种方法的优点。本文的一个突出特点是把造成中文版面分析 困难的原因分为四类：1．字符的不连通性的影响；2．标题的影响；3．文字方向不确定 的影响；4．复杂区域结构的影响。本文针对以上四类困难分别提出了解决方案，并将这 些方案结合在一个完整的版面分析流程中。试验结果表明该版面分析方法有相当好的效 果。 关键字： 文档图像理解、版面分析、中文版面分析、自底向上与自项向下结合 Abstract： Document theinformativecontentofadocument Understanding(DIU)transforms Image ofthe and ofthe formatfortheconvenience from intoanelectronic storageusage paper the theOCR hasbeen tOmeetcommercial that information．Nowtechnique powerfulenough becomesa in with documents Analysis keyproblemDIU．ComparedEnglish Layout request，the theirowncharacteristicinthe ofthe ofcharacters documentshave Chinese aspect connectivity andthe of several settheirfeetonthefield addition，onlyyearsago，researchers stylelayout．In Chinese ismuch for of of roomtheresearchof LayoutAnalysis documents．Therefore，there Document． ofChinese LayoutAnalysis This anew atthe LayoutAnalysis paperproposed method，aimingrelatively complexlayout of as newmethod both and documents，such