古籍手寫漢字圖像分割算法研究.pdf

1、文本圖像的分割對于進行正確的單字提取和字符識別有著重大的影響和使用價值,而古籍手寫漢字圖像分割更是古籍漢字識別過程中的難點。同時古籍手寫漢字圖像的分割對開展古籍文物研究、文獻研究及文字研究工作具有十分重要的價值。由于古籍漢字資料保存時間久遠,大量存在紙張變色、破損、文字殘缺等現(xiàn)象,導(dǎo)致古籍手寫漢字圖像噪聲很大,處理難度很大。現(xiàn)有的大多數(shù)預(yù)處理及單字切分算法多以印刷文本圖像為處理對象,在對古籍手寫漢字圖像進行處理時往往效果欠佳。因此,論文

2、根據(jù)古籍手寫漢字分割的要求對現(xiàn)有的方法進行改進,并設(shè)計了新的文本圖像處理方法,以期得到滿意的單字圖像分割結(jié)果。
　　 在參與對敦煌遺書等古籍進行研究的社科基金項目的過程中,分析了古籍手寫漢字圖像的特點和復(fù)雜性,在閾值分割、連通域標記和基于偏微分方程的目標輪廓提取等理論與算法的基礎(chǔ)上,對古籍手寫漢字圖像的分割問題進行了深入的研究。主要內(nèi)容有:
　　 ①針對單純采用全局閾值法或局部閾值法對圖像進行分割時的不足,提出了整體閾值

3、與局部閾值相結(jié)合的二次OTSU算法。算法綜合考慮全局閾值與局部閾值來確定各像素點的閾值。與單純采用全局閾值法和單純采用局部閾值法相比,該算法在克服了以上兩種算法的缺點的同時,繼承了以上兩種算法的優(yōu)點,既考慮到了局部圖像的特殊性,也兼顧了整個圖像的整體性。通過實驗證明,這種方法很好地將全局閾值的概括性與局部閾值的針對性結(jié)合了起來,能夠取得明顯優(yōu)于原來兩種算法的處理結(jié)果,這給后續(xù)的字符切分打下了良好的基礎(chǔ)。
　　 ②針對傳統(tǒng)連通域標

4、記算法需要多次掃描才能完成像素標記,運算時間較長的缺點,提出了快速非遞歸連通域生成及合并算法。算法對二值圖像只需進行一次掃描,對需要識別的目標進行標記,遇到分叉時即進行連通域的合并。因此,在掃描過程中就可得到已掃描區(qū)域中的連通域,一次掃描后,無需再進行任何處理,就得到了二值圖像的連通域的正確劃分。實驗證明,算法對于簡單圖像、一次分叉圖像、多次分叉圖像、連通域相互包含的圖像,都可以J下確、快速地進行連通域的標記處理。
　　 ③應(yīng)用

5、快速非遞歸連通域生成及合并算法,設(shè)計了基于連通域特征的去噪去邊框算法,及基于連通域并結(jié)合方塊字特征進行單字切分的算法。并進一步采用局部投影法進行粘連字的切分。對應(yīng)用快速連通域標記算法進行手寫漢字圖像處理的算法都進行了實驗及結(jié)果分析。實踐證明算法對手寫漢字圖像進行連通域生成、去噪、去邊框及單字切分效果良好。
　　 ④針對傳統(tǒng)C-V主動輪廓模型達到穩(wěn)定狀態(tài)所需的迭代次數(shù)過多,對圖像的尺寸比較敏感的缺點,提出了局部C-V主動輪廓模型快

6、速圖像分割算法。算法對圖像進行預(yù)先的分塊,將各分塊單獨作為輸入圖像以C-V模型算法進行分割處理。實驗證明,算法在保證處理效果的前提下速度上得到了極大的提高。
　　 ⑤根據(jù)手寫漢字每個漢字單獨成塊的特點,提出了窄帶快速C-V手寫漢字圖像分割方法。算法首先采用閾值法對漢字進行初步的分割,再利用漢字圖像的連通域信息,進行漢字圖像輪廓標記及窄帶的構(gòu)造,進一步進行基于窄帶C-V模型的手寫漢字圖像分割。實驗表明,采用窄帶法對手寫漢字進行分割

7、,能夠保留更多的文字細節(jié),更加真實自然,同時處理速度進一步提高,有利于對文字進行后續(xù)的分析研究。
　　 綜合本文提出的各種手寫漢字圖像分割算法,設(shè)計出了對手寫漢字圖像進行分割處理的完整的算法流程。對灰度化的手寫漢字圖像采用二次OTSU算法,對整幅圖像進行二值化處理。接著采用非遞歸快速連通域算法,標記出圖像的連通域情況。根據(jù)手寫漢字的特點,進行去邊框、去噪及單個漢字的分割操作。根據(jù)連通域情況初步分割出單個漢字后,再從原灰度圖像中的