基于贪婪算法的文档图像中干扰线的去除方法技术

本发明专利技术属于文档图像的计算机识别技术，具体是一种基于贪婪算法的文档图像中干扰线的去除方法。该方法包括以下步骤：a.将文档图像二值化处理；b.将文字和干扰线的线条细化，得到单像素的线条；c.干扰线检测：横向单一方向扫描文档图像，识别扫描方向上的中心线，对长度较长的中心线赋予更高的权值，计算出的中心线权值若超过设定阈值，则认为其为干扰线；对于竖向干扰线，通过旋转图像或模板的方式使之变换为横向后，以相同的方法识别；检测横向和竖向的过程中也附带检测了斜向的干扰线；d.干扰线去除，通过前景像素与干扰线的距离判断其归属，将属于干扰线的像素去除，得到处理后的文档图像。本发明专利技术能够去除文档图像中较复杂的干扰线，处理准确率高、处理速度快。

The method of removing interference line in document image based on greedy algorithm

【技术实现步骤摘要】
基于贪婪算法的文档图像中干扰线的去除方法
本专利技术属于文档图像的计算机识别技术，具体是一种基于贪婪算法的文档图像中干扰线的去除方法。
技术介绍
文档图像是通过扫描、照相获得的包含大量文字信息的图像资料。一方面这些资料是数字化的文件，很容易保存在计算机的存储器中，方便存储和管理。另一方面，这些文档可以使用OCR软件识别，能够快速获得文档图像中的内容，避免了繁琐的文字输入工作。只包含文字的文档图像，其OCR的识别率非常高，已经在各种领域中得到应用。然而文档中经常包含各种干扰信息，如干扰线。当人们在原始文档上留下横线等来标记文档中的重要内容，或者文档本身就存在各种横线表示需要填写信息或者其他提醒，则文档的OCR的识别率会急剧下降。因此，如何去除文档图像中的干扰线成为文档图像OCR的一个重要的预处理步骤。去除干扰线的以往工作可以分为两类，一类是规则线段，另一类是不规则的手划线。规则线段一般表现为印刷的下划线、表格的边缘线等。Bai等人通过下边线分析获得干扰线的位置，但是该方法只能处理下划线。Shi等人为了去除规则的线段使用了一种directi本文档来自技高网...

【技术保护点】
1.一种基于贪婪算法的文档图像中干扰线的去除方法，其特征是，包括以下步骤：/na.将文档图像二值化处理，去除部分噪声像素，提取出前景部分的文字和干扰线图像；/nb.将文字和干扰线的线条细化，得到单像素的线条；/nc.干扰线检测：对于横向干扰线，横向单一方向扫描文档图像，识别扫描方向上的中心线，对长度较长的中心线赋予更高的权值，计算出的中心线权值若超过设定阈值，则认为其为干扰线；对于竖向干扰线，通过旋转图像或模板的方式使之变换为横向后，以相同的方法识别；检测横向和竖向的过程中也附带检测了斜向的干扰线；/nd.干扰线去除，通过前景像素与干扰线的距离判断其归属，将属于干扰线的像素去除，得到处理后的文...

【技术特征摘要】
1.一种基于贪婪算法的文档图像中干扰线的去除方法，其特征是，包括以下步骤：
a.将文档图像二值化处理，去除部分噪声像素，提取出前景部分的文字和干扰线图像；
b.将文字和干扰线的线条细化，得到单像素的线条；
c.干扰线检测：对于横向干扰线，横向单一方向扫描文档图像，识别扫描方向上的中心线，对长度较长的中心线赋予更高的权值，计算出的中心线权值若超过设定阈值，则认为其为干扰线；对于竖向干扰线，通过旋转图像或模板的方式使之变换为横向后，以相同的方法识别；检测横向和竖向的过程中也附带检测了斜向的干扰线；
d.干扰线去除，通过前景像素与干扰线的距离判断其归属，将属于干扰线的像素去除，得到处理后的文档图像。


2.根据权利要求1所述的基于贪婪算法的文档图像中干扰线的去除方法，其特征是，步骤a中二值化的方法是：将大小为m×n的图像分割成ml×nl块，其中每块包含的像素数目为：(m×n)/(ml×nl)，所述ml和nl的取值范围是5～10之间的整数；每个小块中的局部阈值使用大津法获得，然后使用线性插值从局部阈值获得每个位置的阈值T(i，j)；二值化描述为：



式(1)中B(i，j)表示二值化后各点的取值，I(i，j)表示像素点的灰度值。


3.根据权利要求1所述的基于贪婪算法的文档图像中干扰线的去除方法，其特征是：步骤b中的细化采用matlab中的细化方法(函数bwmorph，参数‘thin’)获得文档文字和干扰线的中心线。

【专利技术属性】
技术研发人员：张晓峰，吕岳，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32