中文版面分析

CORC > 自动化研究所 > 中国科学院自动化研究所 > 毕业生 > 硕士学位论文

题名	中文版面分析
作者	江世盛
学位类别	工学硕士
答辩日期	1999-06-01
授予单位	中国科学院自动化研究所
授予地点	中国科学院自动化研究所
导师	吴显礼
学位专业	模式识别与智能系统
中文摘要	版面分析是OCR系统的一个重要组成部分，它将文档图象按一定的特征分割成各个部分，并判断各部分是文本、标题、图象、图形或表格等。我们把这样的部分称为版面基元。版面分析得到的各个基元在后续处理中将采用不同的处理方法，如文本基元将用文字识别器处理，表格基元将用专门的表格识别器处理。在本文中，我们将版面分析系统按照处理的过程分成了图象预处理、倾斜校正、版面分割和版面理解等几个部分，对每个部分的一些基本思想和算法作了详细的介绍，并在其中穿插介绍了我们在汉王HW_OCR的版面分析系统中使用的各项技术。HW_OCR的版面分析系统处理的对象是单篇文章的中文文档，主要技术包括腐蚀-膨胀的去噪、平滑的方法、最近邻的倾角检测方法、利用分隔子的版面分割方法和基于排版规则的版面理解方法。为了快速、有效地处理复杂的中文文档版面(文本横、竖混排，基元非矩形假设)，我们提出了利用分隔子的版面分割方法。该方法综合使用了自顶向下和自底向上两种策略，利用文章排版的各种实分隔子和局部特征差异形成的虚分隔子完成版面分割。该方法具有抗倾斜、适应性强和处理速度快等特点。本文最后介绍基于上述方法的实用版面分析系统和实验结果，并对今后的改进提出了一些有益的建议。
英文摘要	Document analysis is an important part of OCR system, it segment the document image into several parts and distinguish the parts text, title, image, drawing or table et al. We call the parts blocks. The blocks got by document analysis will be different treated, for example, text blocks will be done by character recognition engine, table will be done by table recognition engine. In this thesis, document analysis system consists of several parts such as image pre-process, deskew, document segment and document understanding. Basic ideals and algorithms are introduced in detail and some techniques applied in the HW_OCR document analysis system are presented . The HW_OCR system mainly processes Chinese document with a single article, and its main methods include morphological filter, skew angle detection with nearest neighbour, document segment using seperator and document understanding based on type-set rules. In order to quickly and effectively deal with complex Chinese document(horizontally and vertically aligned document, non-rectangle document ), we propose the document segment method using seperator. The method integrates top-down and bottom-up strategies and segment document using all kinds of seperators. It has such characteristics as skew robustness, strong adaptability and quick speed. Finally, the experiment results are given and some good suggestions are provided in future research work.
语种	中文
其他标识符	529
公开日期	2015-09-08
内容类型	学位论文
源URL	[http://ir.ia.ac.cn/handle/173211/7277]
专题	毕业生_硕士学位论文
推荐引用方式 GB/T 7714	江世盛. 中文版面分析[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 1999.