基于自适应重组策略的中文文档版面分析  

作　　者：FuChang Shih-YuChu Chi-YenChen 屠晓[2] 

机构地区：[1]不详 [2]华东师范大学

出　　处：《图象识别与自动化》2005年第1期1-11,共11页

摘　　要：在文档版面分析中，采用一些数值化参数定义文本行和文本区域(如字符与字符的间隔和行与行的间隔)，但只有在形成文本行和文本区域后才能确定这些参数的值。这类似先有鸡还是先有鸡蛋的问题，可以通过自适应重组策略解决。这个策略大致分为三步：第一步，根据最初的参数值将一些基本图像成分分组，组成预备的文本行和文本区域；第二步，根据已分好的小组推敲对参数值的评估；第三步，根据重新确定的参数值拆分或合并已存在的分组，形成新的分组。本文运用上述策略分析时，同时存在水平文本行和垂直文本行的中文文档。使用这种方法可以成功地获得结果。对一千多篇具有不同文档版面结构的文档图像进行测试，结果显示，这种方法识别文本行和文本区域的准确率在98％以上。

关 键 词：版面分析 中文文档 组策略 自适应 参数值 参数定义 策略分析 文档图像 文本 数值化 分组 面结构 准确率 间隔 字符 

分 类 号：TP391[自动化与计算机技术—计算机应用技术] TP316.7[自动化与计算机技术—计算机科学与技术]