不规则机票表格高精确度多单元字符定位.pdfVIP

第 16卷 第4期 计算机辅助设计与图形学学报 Vo1．16．NO．4 2004年 4月 JOURNALOFCOMPUTER—AIDEDDESIGN COMPUTER GRAPHICS Apr．，2004 不规则机票表格的高精确度多单元字符定位 李 谊 王知衍 (华南理工大学计算机科学与工程学院 广州 510640) 摘 要 提出一个检测 和定位机票图像中污损字符串的技术．不规则机票表格中的字符 串是由计算机打印生成 的， 其对比度低且容易偏离表格 ，无法用常用的方法处理．基于几何先验知识和字符提取结果 ，应用扩展最大平均相关高 度相关滤波器检测 ，进而准确地定位期望字符区域．实验结果表明：该方法准确率高 ，可 以为OCR提供 良好的输人． 关键词 相关滤波器 ；统计模式识别；多区域表格 ；机票 中图法分类号 TP391．41 High Accuracy Locating M ulti-fields Character Strings in Irregular Airline Coupon Image LiYi W angZhiyan (SchoolofComputerScienceandEngineering，SouthChinaUnizJersityofTechnology，Guangzhou 510640) Abstract A techniqueto detectand locatesmudgycharacter stringsin complex tabularcoupon imagesispresented．Inourresearch，characterstringsintheirregularcoupon imagesarecomputer— printedbutoflow contrastandcouldbeshiftedoutofthetableSOthattheyareunabletObedetected andlocatedusing conventionalalgorithms．Basedongeometric information andstringretrievalresult extendedmaximum averagecorrelationheight(EMACH)correlationfilterisappliedasanadaptiveshift locatortOdetectandlocateexpectedcharacterstrings．Theresultsdemonstratethatthealgorithm isof highaccuracyandprovidesexcellentinputforOCR． Keywords correlationfilter；statisticalpatternrecognition；multi—fieldstable；coupon 的，而且根据具体航程 的不 同，某些字段会被置空． 1 引 言 通过观察发现，机票 图像 的版 面分析有如下 的难 点… ：(1)机票的内容信息是复印上去的，因此会被 为了准确地把纸质机票数字化并且对关键 内容 污损 ，有较多的噪声以及较低 的对 比度；(2)由于复 进行 OCR识别 ，需要对机票表格相应 区域 中是否存 印时不正确进纸等原 因，非手写 的计算机打印字符 在字符 串进行检测 ，若字符 串存在则要进行准确 的 和对应 的表格域之 间存在偏移 ，甚至可能完全偏离 定位．机票字符根据印制的时间先后可 以分为：(1) 表格 ．这是在打印阶段造成 的，无法在扫描 以及预 空 白机票；(2)具体的内容信息．空 白机票包括表格 处理 中恢复，且无法采用一般 的表格版面分析 的方 线和背景；具体 内容信息是购票 的时候才复印上去 法处理；(3)由于空间信息不足以分割版面，因此即 原稿