多层次可信度指导下的自底向上的版面分析算法.pdfVIP

第16卷第2期 模式识别与人工智能 Vd．16No．2 2003年6月 PR＆AI‘ June2003 多层次可信度指导下的自底向上的版面分析算法 陈 明 丁晓青 吴佑寿 (清华大学电子工程系北京 100084) 摘要版面分析是文档数字化中的关键问题．本文首先将版面分析算法分为两类：基于形状的和基于纹理的，然 后提出了一个基于多层次基元的版面分析模型．根据此模型，版面分析问题被简化为计算每个层次上的最佳基元 划分．我们提出了连接强度和多层次可信度的概念并描述了～个基于多层次可信度的自底向上的算法．此算法具 有很强的适应性，可以处理各种类型的样张．实验表明了算法的有效性． 关键词版面分析，基元，多层次可信度，连接强度 中图法分类号TP391．4 引 言 开始，一个页面首先分割成几个大的区域，然后每个 区域再递归分割成子区域【2．3J．自底向上的方法从 像索点开始，将相邻的部分根据局部特征的相似性 版面分析在文档图像分析(Document Image 合并成为一个小区域，小区域再连续地合并为大区 Analysis)领域受到越来越多的重视．在将现有纸介 域[4,5J．另外还有将两种方法结合起来的混合 质的信息数字化的过程中，OCR技术已相当成熟， 法[6．7|，以及主要依据背景特征进行分割的基于背 可以迅速有效地获取文本．但是一方面复杂的版面 景的方法等[8,9J．这类方法的主要缺点是很大程度 格式导致oCR无法直接运用，另一方面用户可能希 地依赖于特殊的规则和经验性的阈值，对日益复杂 望同时保留原始的版面信息．因此，作为OCR技术 的版面格式的适应性较差． 和版面复原的基础，版面分析成为一个关键的问题． 基于纹理的方法主要思路是将图像看作是一些 一般将版面分析算法分为如下几类：自顶向下、 具有不同纹理的区域的组合．文本具有一系列相同 自底向上、混合法【1|．这种分类方法在很长一段时间 方向的文本行，行中具有一系列大小基本一致的字 内被多数研究人员所认可．但近年来，新的算法层出 符．这种相对一致的纹理特性完全不同于图像，因此 不穷，特别是图像分割中有关纹理分析的方法引入 可以用来进行版面分析．这类算法近来得到了比较 之后，原有的分类方法无法体现版面分析领域新的 大的发展[10-15J，但目前基本上还处于研究阶段． 进展．因此，我们提出一种新的版面分析算法的分类 本文提出了一种基于形状的方法．首先本文提 方式，即分为基于形状的方法和基于纹理的方法两 出了一个基于多层次基元的版面分析模型，然后提 类．原有的分类方式可以看作是基于形状的方法的