基于动态聚类算法的藏文音节点检测.pdfVIP

108 福 建 电脑 2011年第2期 基于动态聚类算法的藏文音节点检测 范武英，张明亮，李积逊 (青海民族大学青海西宁810007) 【摘 要】：音节点是藏文文本的重要组成部分。本文首次将数学形态学膨胀算法和K均值聚类算法 用于藏文音节点检测，提取真实音节点。经测试表明这种方法具有检准率和检全率高、速度快的特点。 【关键词】：藏文音节点检测K均值聚类算法数学形态学 1、引言 来。从而实现音节点的检测。实验表明。效果良好。 藏文是以音节为构词单位．音节拼写的每一个横 2、膨胀处理 向单位称为一个字丁。每个音节中的字丁数目各不相 由于纸质文本质量以及噪声等因素的影响．通常 同，最少为1个，最多为4个，用音节点将各个音节分经二值化处理后．出现大量的断裂笔画和孤立的噪声 隔开来(如图1)。音节点标志着前一个音节的结束和后点，使得文本图像中连通区域的数目大大增加，处理对 一个音节的开始，是藏文文本的重要组成部分。也是藏 象增多，从而影响到检测的速度；另一方面，文本行上 文文本图像的关键特征点。由于其分布位置和形状具 出现的噪声点以及上平线上断裂的笔画．极易被误判 有明显的特点。因而在藏文信息处理中极具应用价值。 为音节点。检测的准确度受到一定的影响。本文利用形 例如．如果能检测音节点的准确位置．就可以获取音节 态学膨胀处理．实现连通区域的合并和断裂笔画的弥 信息，用于粗分类和后处理；音节点与上平线相重合。 合。以减少连通区域的数目，降低计算量，提高检测的 其分布走向反映了文本行的倾斜方向，利用这一特点． 速度和准确度。本文选择3x3的正方形作为结构元素。 采用适当的算法，可以计算文本行的倾斜角，从而实现 其原点位于中心(2，2)处。 藏文文本图像的倾斜校正【ll。因此研究藏文音节点的检 3、藏文音节点的检测方法 测方法具有非常重要的意义．可以说在藏文信息处理 经膨胀处理后，可以进行藏文音节点的检测。检测 中具有基础性的作用。 分两步进行，首先，利用面积特征提取侯选音节点集； 然后用K均值聚类算法．对侯选音节点集的图像目标 T ^ 单彳符T 进行分类，将真实音节点与伪音节点区分开来。再根据 一 音了点△ 一 上平广仅盯强式’仅酮’哪q‘冈1 类别标记，将真实音节点提取出来。 3．1侯选音节点的提取 图1典型的藏文文本行 藏文文本图像中。主要包括音节点、字丁以及小污 目前研究藏文音节点检测方面的文献非常有限． 点等图像目标。它们大小并不相同，面积存在明显的差 据检索，只有文献f11提出了一种方法。其基本思想是利异．因而可以利用提取连通域的方法提取音节点。面积 用面积特征来区分音节点与噪声点．从而实现音节点 用连通区域的像素数来表征。如果连通域的像素数小 的检测．用于倾角计算和校正。显然，这种方法在文本 于阈值Tch．大于阈值Tel。则认为该连通域为一个音 质量优良的情况下。能取得良好的结果。但是．由于面 节点。阈值Tcl的作用是消除小污点的干扰．将像素数 积特征只能反映音节点本身的几何特征．不能反映与 小于Tcl的连通域作为噪声直接删除【ll。阈值Tch的作 文本行的位置关系。因而在文本质量较低劣的情况下， 用是把音节点与藏文字丁区分开来。 无法区分与音节点面积相当的噪声点．检测准确度较 阈值Tch、Tcl可以根据音节点象素点Sc来确定． 低，不能满足倾斜检测的需要。 本文根据藏文音节点的特点．提出了一种新的检 域的像素数得到。由于各音节点的大小相近．会在直方 测方法。首先利用数学形态学的膨胀算法．进行预处 图中形成明显的峰值．因而可以将直方图中峰值所对 理；然后借鉴文献『11的方法，根据音节点的面积特征进应象素点数作为Sc的