Сегментация рукописного документа в текстовые строки и слова

Сегментация изображения документа в текстовые строки и слова – необходимый этап в направлении неограниченного распознавания рукописного документа. Изменение угла наклона между текстовыми линиями или вдоль текстовой строки, наличие перекрывающихся или затрагиваемых линий, размер символа и различие в отображении букв являются основными проблемами извлечения рукописного текста.

Из-за высокой изменчивости написания стилей почерка, скрипты, методы и т.д., которые не используют какие-либо предварительные знания и адаптацию к свойствам изображения документа, являются менее устойчивыми, нежели методы экстракции линии и могут быть классифицированы как проекции в методе смазывания Хью [1].

Подходы, основанные на глобальных прогнозах распознавания при сегментации текста, очень эффективны для печатных документов. Тем не менее, они могут быть применены для коррекции перекоса в документах с постоянным углом перекоса [2]. Хау методы, основанные для обработки документов с изменением угла перекоса между строками текста не очень эффективны, когда перекос текстовой строки изменяется по ее ширине [3]. Таким образом, можно применять метод «Кусочного выступа», который может иметь дело с обоими типами перекоса изменения угла текста [4].

С другой стороны, «кусочная» проекция чувствительна к изменению размера в текстовых строках и существенных пробелах между последовательными словами. Эти явления слишком негативно влияют на эффективность методов размытия [5].

В таких случаях результаты двух смежных зон могут быть неоднозначными, влияющие разделители строк по ширине документа. Чтобы справиться с этими проблемами, необходимо ввести плавную версию профилей проекционных сегментов каждой зоны как экземпляр текстовых и щелевых регионов (участков текста) [6]. Затем нужно переквалифицировать эту область путем применения композиции СММ, что улучшает статистику из всей страницы документа. Начиная движение по тексту слева направо введенные переменные-сепараторы последовательных зон будут учитывать их близости и местные передние планы плотности.

В данной статье будет применен алгоритм «Витерби» в качестве декодирования сверточного текста и последующего его разбиения на сегменты.

Сверточные тексты часто используются как внутренние коды в каскадных схемах кодирования. От эффективности их декодирования в большой степени зависит надежность системы в целом. Поэтому для их декодирования необходимо использовать трудоемкое, но оптимальное в смысле вероятности ошибки правило – декодирование по максимуму правдоподобия.

Решающим преимуществом сверточных текстов перед блоковыми кодами является возможность применения весьма эффективной процедуры декодирования по максимуму правдоподобия – алгоритма Витерби.

Изображения документов в наборах данных охватывают широкий спектр случаев, которые происходят в почерке, представлены на рисунке 1.

Рисунок 1. Набор данных, характеризующий почерк человека

Алгоритм Витерби работает следующим образом:

1. Инициализация. Номер яруса t = 0 . Метрика нулевого узла приравнивается нулю, за этим узлом закрепляется «пустой» путь.
2. Для ярусов с номерами t = 1,…, L для каждого из узлов на ярусе t выполняются следующие вычисления:
3. Находим метрику каждого из путей, ведущих в узел, как сумму метрик предшествующих узлов и ребер, связывающих узлы-предшественники с данным узлом.
4. Находим путь с минимальной метрикой и эту метрику приписываем данному узлу.
5. Путь, ведущий в узел, вычисляется дописыванием к пути, ведущему в выбранный предшествующий узел, информационного символа, соответствующего переходу из узла-предшественника в данный узел.
6. Путь, соответствующий единственному узлу на ярусе L , выдается получателю как результат декодирования.