Повышение эффективности информационно-измерительных систем обработки слабоконтрастных документов

• Автор: Хмельницкий, Денис Валентинович
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Тула
• Количество страниц: 166 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. АНАЛИЗ МЕТОДОВ УЛУЧШЕНИЯ КАЧЕСТВА ВОСПРИЯТИЯ СЛАБОКОНТРАСТНЫХ ДОКУМЕНТОВ В ИНФОРМАЦИОННОИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ ОБРАБОТКИ ДОКУМЕНТОВ
1.1 Классификация и основные особенности класса цифровых изображений слабоконтрастных документов
1.2 Ввод слабоконтрастных документов в информационноизмерительных системах обработки документов

1.3 Методы улучшения качества цифровых изображений слабоконтрастных документов

1.4 Основные виды оценок качества восприятия изображений слабоконтрастных документов
1.5 Выводы

2. НИЗКОЧАСТОТНАЯ НЕЛИНЕЙНОЙ ФИЛЬТРАЦИИ СЛАБОРКОНТРАСТНЫХ ДОКУМЕНТОВ

2.1 Обобщенная модель документа

2.2 Обобщенные показатели качества восприятия документов
2.3 Обобщенная модель низкочастотного нелинейного фильтра и оценка результатов фильтрации
2.4 Выводы
3. СИНТЕЗ ЯДРА НИЗКОЧАСТОТНОГО НЕЛИНЕЙНОГО ФИЛЬТРА
3.1 Выделение признаков изображения слабоконтрастного документа
3.2 Синтез ядра фильтра
3.3 Сравнительная характеристика фильтрации различными ядрами
3.4 Выводы

4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ КАЧЕСТВА НЕЛИНЕЙНОЙ НИЗКОЧАСТОТНОЙ ФИЛЬТРАЦИИ
4.1 Распределение яркостных и цветовых характеристик изображения слабоконтрастного документа
4.2 Оптимизация базового алгоритма низкочастотной нелинейной фильтрации прямоугольным ядром для двухмерных монохромных изображений
4.3 Качественное сравнение результатов фильтрации, полученных различными методами
4.4 Программное обеспечение для проведения низкочастотной нелинейной фильтрации слабоконтрастных документов
4.5 Программное средство для проведения низкочастотной нелинейной фильтрации прямоугольным ядром видеоизображений
4.6 Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ 1. ПРОЦЕДУРА НИЗКОЧАСТОТНОЙ
НЕЛИНЕЙНОЙ ФИЛЬТРАЦИИ ПРЯМОУГОЛЬНЫМ ЯДРОМ
ПРИЛОЖЕНИЕ 2. ПРОЦЕДУРА НИЗКОЧАСТОТНОЙ
НЕЛИНЕЙНОЙ ФИЛЬТРАЦИИ НОРМАЛЬНЫМ ЯДРОМ
ПРИЛОЖЕНИЕ 3. РЕЗУЛЬТАТЫ ПРОВЕРКИ ГИПОТЕЗ О
НОРМИРОВАННЫХ ГИСТОГРАММАХ
ПРИЛОЖЕНИЕ 4. КАЧЕСТВЕННЫЕ ПОКАЗАТЕЛИ РАЗЛИЧНЫХ
ТИПОВ ФИЛЬТРАЦИИ
ПРИЛОЖЕНИЕ 5. АКТЫ ВНЕДРЕНИЯ

ВВЕДЕНИЕ
Актуальность темы. В настоящее время среди информационноизмерительных систем (ИИС) [40, 51, 52, 57, 59] большое распространение получили ИИС, предназначенные для обработки документов (ИИСОД). Такой рост обусловлен двумя основными причинами. Во-первых, потребность в обработке документов в научной, потребительской и производственной сферах всегда была и остается на высоком уровне. Во-вторых, развитие инфраструктуры программно-аппаратных средств для ввода, обработки и отображения графической информации, являющихся основными составляющими ИИСОД, позволило найти практическое применение множеству теоретических методов, накопленных в данной области за все время ее существования.
В связи с широким спектром конструктивных различий между конкретными ИИСОД, обусловленных узкой спецификой целевой задачи, проведение их общей классификации становится невозможным. Однако среди всей совокупности ИИСОД можно выделить системы, эффективность работы которых зависит от качества исходного изображения. Примером таких систем являются:
- ИИС, предназначенные для микрофильмирования документов (ИИСМД);
- ИИС, предназначенные для распознавания графической и текстовой информации из документов (ИИСРГТИД);
- ИИС, предназначенные для ксерокопирования документов (ИИСКД).
Основной особенностью таких систем является существенное снижение эффективности при обработке так называемых слабоконтрастных документов. В основном это ветхие архивные документы, представляющие собой огромную историческую и культурно-социальную ценность, но потерявшие исходное качество в результате процесса старения. Микрофильмирование и ксерокопирование таких документов сопряжено с большой потерей инфор-

' 0 -1 -0"

(1.26)
(1.27)
После того, как все границы были обнаружены, применяют один из методов выделения контуров. Затем оставляют только замкнутые контура, так как границы графических объектов являются замкнутыми контурами. Все точки, лежащие внутри замкнутых контуров, считаются точками, принадлежащими к классу ГП, а остальные — к БН.
К сожалению, подобный метод сегментации обладает теми же недостатками что и бинаризация, так как при применении оператора градиента используется пороговое значение, являющееся общим для всего изображения. С одной стороны, в некоторых областях изображения контраст на границах БН и ГП может быть небольшим, что приводит к потери контура. С другой стороны контраст между точками одного класса может превысить пороговое значение, что приведет к появлению ложного контура.
Для уменьшения потерь информации, связанной с неоднородностью слабоконтрастного документа применяют принцип локальной обработки, смысл которого заключается в том, что при сегментации учитываются характеристики нескольких локальных областей изображения. Одним из наиболее эффективных методов, базирующихся на данном принципе, является метод кластеризации на основе эталонов локальных областей [8]. В данном методе оператор выделяет из исходного изображения несколько эталонных участков БН и ГП. Для каждого из эталонов составляется нормированная гистограмма. Затем гистограммы группируются в два массива - массив гистограмм эталонов БН и массив гистограмм эталонов ГП: