Стр. 6 - В.В. Сюзев, А.А. Ханин - Гибридный метод оптического распознавания текста с коррекцией результатов распознавания

Рис. 4. Фрагмент текста, сегментированного методом выпуклых полигонов

Для того чтобы обнаружить блоки текста, используется функция

группировки компонентов, разделяющая части документа на группы

по критериям схожести дистанций и размеров. Далее вычисляются

выпуклые полигоны обнаруженных групп, по углам наклона граней

которых определяется доминантный угол наклона блока текста. Этот

метод хорошо работает даже при наличии сильных шумов и на доку-

ментах с большим количеством графической информации. Устойчи-

вость к шумам объясняется следующими особенностями:

1) группирующая функция способна разделять компоненты различ-

ных размеров и форм;

2) грани выпуклых полигонов способны предопределять направле-

ние текста в блоке.

Предложенный метод является адаптивным и демонстрирует кон-

курентоспособную точность сегментации в сочетании с высокой ско-

ростью работы.

Группировка компонентов.

Пусть известен компонент

c

1

области

s

1

и компонент

c

2

области

s

2

. Если евклидово расстояние между цен-

троидами компонентов

c

1

и

c

2

меньше либо равно значению группи-

рующей функции

f

(

s

1

, s

2

)

, компоненты считаются

непосредственно

связанными

.

Связанная группа

— это множество компонентов, для ка-

ждой пары которых всегда существует хотя бы одна непосредственная

связь:

f

(

s

1

, s

2

) =

p

ks

1

s

2

/

(

s

1

+

s

2

)

,

(1)

где

k

— скалярный параметр, который может изменяться в процессе

построения непосредственных связей между компонентами.

Группирующая функция (1) имеет несколько полезных свойств:

является мерой расстояния; симметрична относительно компонентов

c

1

и

c

2

; инвариантна к повороту; инвариантна к масштабу; существует

возможность выбора площадей компонентов в уравнении (1), таких

как общее число пикселей, площадь выпуклого полигона, площадь

ограничивающего прямоугольника; вероятность объединения симво-

лов с графическими компонентами крайне мала ввиду существенной

несхожести их размеров, благодаря чему метод устойчив к шумам.

Далее приведен псевдокод описанного алгоритма.

Пусть

CC

— массив компонентов размера

L

;

Пусть

CC

[

p

]

— отдельный компонент,

p

2

[0

, L

)

;

158

ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012