文档图像检索技术研究.pdf

文档图像检索技术研究 文档图像检索技术研究 ◎中国传媒大学计算机与软件学院高 芸 付曼曹三省 黄祥林 提要：文档图像检索是图像检索研究领域的重要课题之一，也是近年来备受世界各国研究者关注的前沿 方向。文档图像检索算法可以归为基于字符识别的检索和基于图像特征的检索两大类，本文将对 此进行分析与论述。 关键词：文档图像检索光学字符识别 文档相似度关键词识别 自动生成摘要 Researchonthe ofDocumentRetrieval Technique Image GAO in Yun，FUMin，CAOSan—xing，HUANGXiang一1 of of (School Science，Communication 100024，PRC) Computer UniversityChina，Beijing isoneofthemost researchinthedomain retrieval Abstract：Document important topics image retrieval include character of retrieval．Document image image techniquesoptical basedmethod．This methodandcharacterfeatures recognition(OCR)basedimage paper will a ofdocumentretrieval． givesurvey image retrieval：OCR；document Keyword：Documentimage similarity：keywordspotting： automatic abstracting 1筒介 随着电子文档图像的大量地涌现…，如何有效地对文档图像进行检索成为了图像检索领域热门的研究 子领域之一。文档图像有别于一般的自然景物图像，它是以文字为主要内容的一类特殊的图像。文档图像 检索与一般图像检索具有一定差异： (1)检索对象：文档图像检索是以文字和图表为主体内容的文档图像，而一般图像检索处理的对象 则非常丰富，如人物、景物、风景等图像。 (2)检索目标：文档图像检索的主要目标是确定图像复本或图像中文本的关键字；而一般I蛩像检索 则是查找符合查询条件的相似图像或感兴趣区。 (3)检索特征：一般图像检索使用的特征是颜色、纹理、形状等，而文档图像检索使用的特征主要 为文档图象中字符的特征。 文档图像检索算法包括基于字符识别(OCR)的检索方法和字符图像特征的检索方法两大类，本文将 讨论基于字符识别和基于字符图像特征的检索技术及相关问题，并基于神经网络的文字识别系统。 文档图像检索技术研究 2基于字符识别的文档图像检索 字符是文档图像中一类主要信息，基于字符识别的文档图像检索通过字符识别技术将文档图像中的字 符图像转换为ASCII字符，再