PDF圖像數(shù)學(xué)公式定位算法改進(jìn)研究.pdf

1、數(shù)學(xué)公式定位是印刷體數(shù)學(xué)公式識(shí)別技術(shù)的關(guān)鍵環(huán)節(jié)，也是實(shí)現(xiàn)數(shù)學(xué)表達(dá)式檢索的基礎(chǔ)。PDF文檔是數(shù)學(xué)公式信息的重要載體，其中所包含的印刷體文檔圖像的質(zhì)量參差不齊且采集參數(shù)未知，對(duì)數(shù)學(xué)公式定位算法的效果帶來(lái)不利影響。因此，有必要對(duì)改進(jìn)PDF圖像數(shù)學(xué)公式定位算法的適應(yīng)性進(jìn)行專門研究。
　　本文首先設(shè)計(jì)了由PDF文件圖像提取、預(yù)處理、判斷分欄、數(shù)學(xué)公式字符塊提取、數(shù)學(xué)公式字符塊合并五個(gè)步驟構(gòu)成的英文 PDF圖像中定位數(shù)學(xué)公式算法；其次，通過對(duì)

2、PDF文件中文檔圖像特點(diǎn)、數(shù)學(xué)公式特性及其對(duì)數(shù)學(xué)公式定位算法所產(chǎn)生影響的分析與歸納，從影響公式定位性能的因素出發(fā)，設(shè)計(jì)了數(shù)學(xué)公式定位算法中的參數(shù)調(diào)整算法。通過分析定位算法的每個(gè)步驟，確定受影響的參數(shù)及閾值，根據(jù)統(tǒng)計(jì)出的版面自適應(yīng)的字符尺寸，設(shè)定專門的規(guī)則，動(dòng)態(tài)調(diào)整與之有關(guān)的參數(shù)及閾值，減少分辨率、色彩、圖像的有損壓縮比例以及數(shù)學(xué)公式具有的二維結(jié)構(gòu)等對(duì)數(shù)學(xué)公式定位的影響；針對(duì)數(shù)學(xué)公式特性引起的兩種問題：數(shù)學(xué)公式范圍覆蓋不全的問題和數(shù)學(xué)公式