基于多维侧窗聚类分块的退化书法文档二值化

书法字文档图像在不良光照条件下的灰度值分布差异较大,低光照区域图像对比度较低、笔画形态纹理特征出现退化,传统方法通常仅考虑了局部信息的均值、平方差、熵等因素,在形态纹理方面考虑较少,从而对低对比度区域的特征信息不敏感.针对此类问题,本文提出了一种多维侧窗聚类分块的退化书法文档的二值化方法 CSSWF (clustering segmentation based SWF),该方法首先利用SWF卷积核描述具有相似形态学特征的像素块,之后提出多种修正规则利用下采样提取低纬度信息去修正特征区域.最后,对特征图中聚类块进行前后景分离,得到二值化结果图.本文使用FM、PSNR和DRD为指标,将现有方法和本文方法进行对比,实验结果表明,在自建的100张手写退化文档图像数据集下,本文方法在低对比度暗部区域的二值化效果较为稳定,在精准度和鲁棒性上优于对比算法.

基于对比度增强和背景估计的文档图像二值化

针对文档图像存在的退化状况对其二值化处理的影响,文中提出一种基于对比度增强和背景估计的文档图像二值化算法,用于对退化的文档图像进行二值化增强处理。该算法根据不同子区域亮度信息的差异采用不同对比度增强算法对文档图像进行增强处理,通过运用形态学闭运算对增强后的文档图像进行处理来移除文档图像的背景,结合Ostu和Sauvola算法获取文档图像的二值化图像,并通过基于边缘像素邻域灰度值的分布情况进行文本断笔修复。实验结果表明,该算法的F-Measure(FM)为90.47%,峰值信噪比(PSNR)达到19.15 d B,负率指标(NRM)低至0.053 8,分类错误度量(MPM)降至0.000 33,验证了本文提出的二值化算法的有效性。