文本頁面中數(shù)學表達式的定位及分析.pdf

1、電子文檔具有容易修改、檢索和傳輸?shù)葍?yōu)點，從而基于移動辦公終端的文檔實時電子化變得越來越頻繁。文檔的電子化必須經(jīng)過頁面分割和字符識別，頁面內(nèi)通常含有多種元素如字符、圖片、表格和數(shù)學表達式等，其中數(shù)學表達式的分析、識別和重組是文檔電子化的難點。因此研究高效的分析算法十分必要，本文的工作主要體現(xiàn)在以下幾個方面： 鑒于文本頁面各文本元區(qū)域的前景像素存在自．相關(guān)性，本文提出了基于微結(jié)構(gòu)的頁面分割算法來切分文本頁面。首先采用快速掃描算法將前

2、景像素歸類并形成微結(jié)構(gòu)集，利用微結(jié)構(gòu)的相關(guān)性分類出頁面含有的圖元、表格元等；改變合并規(guī)則合并分類后的字符元得到字符區(qū)，選取字符區(qū)域的最大者結(jié)合最小二乘法檢測字符區(qū)的傾斜角度來校正頁面；最后利用微結(jié)構(gòu)并結(jié)合水平投影將校正后的頁面切割為文本行。 數(shù)學表達式的二維結(jié)構(gòu)特性使數(shù)學表達式與普通文本行存在很大差異，本文利用這些差異將獨立表達式行與普通文本行區(qū)分開來；接著采用連通體搜索方法搜索分類后的文本行，判斷搜索得到的連通體與該文本行上下