文档图像识别中关键算法的研究与实现

1.选题的背影及意义 图像处理在军事、遥感、气象等大型应用中有着不断增长的需求。在医学领域中，生物医学的显微图像分析、X线照片的鉴别以及计算机层析成像的CT技术在社会生活中日益得到广泛的应用。

分离复杂背景下的文档图像二值化方法

目的二值化方法的主要依据是像素的颜色和对比度等低级语义特征,辨别出与文字具有相似低级特征的复杂背景是二值化亟待解决的问题。针对文档图像二值化复杂背景分离问题,提出一种分离文档图像复杂背景的二阶段二值化方法。方法该方法分为易误判像素筛选和二值化分割两个处理阶段,根据两个阶段的分工构建不同结构的两个网络,前者强化对复杂背景中易误判像素识别和分离能力,后者着重文字像素准确预测,以此提升整个二值化方法在复杂背景图像上的处理效果;两个网络各司其职,可在压缩参数量的前提下出色完成各自任务,进一步提高网络效率。同时,为了增强文字目标细节处理能力,提出一种非对称编码—解码结构,给出两种组合方式。结果实验在文本图像二值化比赛(competition on document image binarization,DIBCO)的DIBCO2016、DIBCO2017以及DIBCO2018数据集上与其他方法进行比较,本文方法在DIBCO2018中FM(F-measure)为92.35%,仅比经过特殊预处理的方法差0.17%,综合效果均优于其他方法;在DIBCO2017和DIBCO2016中FM分别为93.46%和92.13%,综合效果在所有方法中最好。实验结果表明,非对称编码—解码结构二值化分割的各项指标均有不同程度的提升。结论提出的二阶段方法能够有效区分复杂背景,进一步提升二值化效果,并在DIBCO数据集上取得了优异成绩。开源代码网址为https://github.com/wjlbnw/Mask_Detail_Net。

一种基于连通分量的文本区域定位方法

文本区域定位对复杂背景图像中的字符识别和检索具有重要意义.已有方法取得高的定位准确率和召回率,但效率较低,难以应用于实际的系统中.文中提出一种基于连通分量过滤和K-means聚类的文本区域定位方法.该方法首先对图像进行自适应分割,对字符颜色层提取连通分量.然后提取连通分量的特征,并用Adaboost分类器过滤非字符连通分量.最后,对候选的字符连通分量根据其位置和颜色层进行K-means聚类来定位文本区域.实验结果显示该方法具有与当前方法相当的准确率和召回率,同时具有较低的计算复杂度.