基于单义域邻接图的工程图纸批描图像的字符提取研究.pdfVIP

2000年 工 程 图 学 学 报 2000 第2期 JOURNALOFENGNIEERINGGRAPHICS No.2 基于单义域邻接图的工程图纸扫描 图像的字符提取 大连理工大学机械工程学院 张习文 欧宗瑛 摘 要 工程图纸扫描图像的图文分制是一个重要问题.本文在构建单义城 邻接图基础上来提取字符及其特征.图文分离先从单义城中筛选字符笔画城，进 行初步分离.然后，以字符笔画域为起点，遮历04 图来搜索郁接字符笔画城， 提取字符域，分析特性作进一步筛选。以字符域郁近与共线为利据来组合字符串 域，字符域邻近是用其外接脚胀矩形相交来.，定。利用共辛字符城外接矩形中心 及所附图形对字符城进行定向.对非水平字符城旋转至水平，并构建其单义城部 接图，以表达几何与拓补特征，为后续识别作准备.实例表明，本算法可以较好 地处理字符与图形的粘连问题，提取效刹民好，且能够描述字符整体特征。 关键词 单义域那接图，图文分离，字将笔画城，字符提取，特征提取. 0 引 言 工程图纸扫描图像的识别与理解是目前学术界和工程界研究的热点，在机械、电子、 建筑及地理信息系统等应用领域中具有重要的实际意义。图样中有两部分信息，一是图形 由几何图素组成，用来表达产品形体;二是文字，用来定义产品尺寸及描述其它信息，有的 附于图形，如尺寸数字等，也有独立存在的，如技术要求等。文字是图样中非常重要的信息。 因此，工程图纸扫描图像的字符提取与识别是一个重要问题，对进一步的尺寸理解、图像理 解等高层次理解都有较大作用。工程图样中的文字包括多种字符，如汉字、数字、字母及符 号等。字符情况较为复杂，有自己的一些特点:字符多为手写，具有一定的随意性，不同于 印刷体;具有多种方向，不仅有水平书写，而且有的垂直放置，还有其它各种角度的斜向; 有直体与斜体;有时字符与字符及图形粘连，增加了图文分割及字符提取的难度;位置分散 大小不一。七述情况在字符的分割及识别时都必须考虑。所以，工程图样字符提取及识别是 一个十分困难的问题。 鉴于工程图样字符的特点，其处理方法与光姗文档具有很大差别，一般的处理过程是: 先标i!涟通体，从中选出字符域，再根据字符域邻近和共线来生成字符串域，并判断方向， 然后分割字符域，最后进行字符识别及校正。经过多年研究，工程图样字符的分割及识别算 本文于200)年2月收到。 笼一作者:张习文，1971年生，博士生，主架研究领城为棍式识别和圈像理解。 第2期 张习文等:塞于单义城郁接圈的工租圈纸扫描圈像的字符提取 法已有多种:一是基于连通体p」:二是基于轮廓跟踪121，利用同步边缘特性检测进行轮廓跟 踪，分离字特轮廓，采用邻域搜索来生成字符串，最后通过分类树进行字符识别，并根据专 业知识作校正;三是行程编码匹配`131，采用图分割集方法来分割与字符及图形粘连的字符。 本文提出一种基于单义域邻接图的图文分割方法，在二值图像水平黑游程编码基础上， 以相关游程线宽和拓扑的一致为约束生成条形域，对其中多义域作分裂获得单义域:线段域 和圆弧域，并建立其邻接图。字符笔画可以表示为一个或多个单义域。字符笔画的长度较小， 线宽一致。根据这些特点，从单义域中筛选字符笔画域，进行初步图文分离。字符笔画多是 邻接的，以字符笔画域为起点，通过遍历邻接图搜索邻接的字符笔画域，来提取字符域。字 符结构与图元差别较大，根据字符域特性实现字符进一步筛选。采用字符域外接矩形来标识 字符的大小和位置。根据字符域外接矩形相交来判定字符邻近，再加上字符共线为判据来生 成字符串域。图样中字符串多是附于图形的，单义域可以很容易获取方向，即可得图形方向。 户 ﹄ 甘 利用共串字符外接矩形中心及所附图形对字符进行定向。然后将非水平字符域旋转至水平， 舀 介 ﹂ 1 叭 并重新进行水平黑游程编码