用于文本区域提取的边缘像素聚类方法

根据边缘点的位置和颜色信息采取逐步松弛的聚类方法将图像分割成像素子集,应用文本区域边缘的分布特征提取初始文本区,并进行边界扩展得到完整的文本区域;同时给出了一种文本区域二值化方法,减少了在文本颜色极性未知时的二值图像个数,可提高字符分割等后续处理的计算效率.实验结果表明,该方法对文本区域提取是有效的,提取完整率达99%.

中文电子图书系统开发和应用研究

以清华大学图书馆-超星电子图书系统的开发和应用为基础,讨论中文电子图书系统的研究和开发背景,以及对于基本技术方案的选择,介绍和分析了它的系统结构、运行模式和部分关键技术。

图像中多语种文本提取的高斯混合建模方法

建立了相邻字符区域的高斯混合模型,用于区分字符与非字符.在此基础上,提出了一种从图像中提取多语种文本的方法.首先对输入图像进行二值化,并执行形态学闭运算,使二值图像中每个字符成为一个单独的连通成分.然后根据各连通成分重心的Voronoi区域,形成连通成分之间的邻接关系;最后在贝叶斯框架下,基于相邻字符区域的高斯混合模型计算相应的伪概率,以此为判据将每个连通成分标注为字符或非字符.利用所提出的文本提取方法,进行了复杂中英文文本的提取实验,获得大于97%的准确率和大于80%的召回率,证实了方法的有效性.

《中国近代中文期刊全文数据库——文学专题》项目的实践与思考

在《全国报刊索引》最新全文检索数字资源实践成果的基础上,从知识组织、功能提供、服务创新等角度对基于OCR技术的近代文献数字资源服务的建设和发展提出建议,以期发挥文献的最大利用价值,更好地服务广大读者和专业人士。