Сегментация цветных изображений печатных документов

• Автор: Казанов, Марат Джамалудинович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Москва
• Количество страниц: 115 с. : ил.

Содержание
Введение

Глава 1. Обзор методов сегментации цветных изображений

1.1. Представление цветовых характеристик точек изображения . .

1.2. Методы, основанные на анализе гистограмм изображений .

1.3. Методы кластерного анализа

1.4. Методы роста регионов.

1.5. Методы, основанные на определении границ областей .

1.6. Методы, использующие элементы вариационного анализа, теории графов

1.7. Методы, использующие элементы теории нечтких множеств .

1.8. Методы, использующие искусственные нейронные сети.

1.9. Методы, использующие физические модели освещения объектов и отражения объектами света .
Глава 2. Сегментация цветных изображений.
2.1. Постановка задачи диссертационной работы
2.2. Основные определения, сегментация методом водоразделов . .
2.3. Общая схема работы предлагаемого метода сегментации
2.4. Многомасштабный анализ линейных срезов
2.5. Вычисление аппроксимирующей производной линейных срезов
2.6. Определение внутренних областей объектов малого размера . .
2.7. Модификация преобразования водоразделов.
Глава 3. Анализ цветных изображений документов
3.1. Классификация объектов изображения
3.2. Бинаризация внутрифоновых областей . .
3.3. Вычислительная сложность алгоритма .
3.4. Практические результаты и обсуждение .
Заключение .
Приложение А .
Литература


Однако, при сегментации полутоновых изображений как глобальный, так и адаптивный методы бинаризации не всегда могут быть эффективны. Например, если в соседних частях изображения яркость фона и объектов инвертирована относительно друг друга или во внутренней области фона яркость плавно меняется. Ошибки сегментации в данных случаях являются следствием основного принципа бинаризации, который предполагает, что яркость всех объектов, для изображения в целом (глобальный подход) или в конкретной области (адаптивный подход), больше некоторого порога яркости, а яркость фона ниже этого порога. По этой же причине — принципу разделения точек изображения на две группы но уровню яркости — бинаризация работает неэффективно при обработке цветных изображений, так как для успешной сегментации цветного изображения, кроме уровня яркости, необходимо учитывать и хроматические характеристики точек. Перечислим некоторые характерные особенности цветных изображений печатных документов. Как правило, такие изображения содержат как объекты малого размера (буквы, цифры и другие символы), так и объекты, размеры которых значительны по сравнению с размером страницы (фоны, таблицы, логотипы, иллюстрации) (рис. Границы между соседними объектами могут быть как резкими (рис. Причём, размер малых объектов на изображении порой сопоставим с размерами плавных границ между большими объектами. Рис. Примеры цветных изображений страниц журналов (масштаб 1:3). Все перечисленные особенности изображений документов могут приводить к ошибкам сегментации при обработке изображения стандартными методами сегментации цветных изображений. Подробный анализ существующих методов сегментации цветных изображений выполнен в первой главе данной работы. Целью диссертационной работы являлась разработка эффективного метода сегментации цветных изображений печатных документов. В соответствие с целью исследования были определены задачи качественной сегментации следующих объектов цветных изображений документов: сплошных и градиентных фонов многостатейного документа, символов основного текста статей, заголовков, буквиц, многострочных таблиц, содержимого таблиц, графических элементов документа. Рис. Примеры резкой (а) и плавной (6) границ, разделяющих однородные цветовые области; (в) градиентного фона. Практическая значимость работы заключается в широких возможностях применения разработанного метода сегментации цветных изображений документов. Предлагаемый метод может использоваться как самостоятельное средство сегментации, так и применяться в составе систем обработки и анализа цветных и полутоновых изображений документов, например, в OCR-системах, системах сжатия изображений. Кроме того, совокупность методов, представленных во второй главе данной работы, является законченным методом сегментации произвольных цветных изображений и может использоваться в различных интеллектуальных системах компьютерного зрения. Основные результаты диссертации докладывались на следующих международных конференциях: th International Conference on Pattern Recognition ICPR (Cambridge, UK); 3rd IASTED International Conference on Visualization, Imaging, and Image Processing (Benalinadena, Spain); международной конференции студентов и аспирантов по фундаментальным наукам «Ломоносов-», и опубликованы в работах [9-]. Диссертационная работа включает в себя 3 главы, введение и заключение. Первая глава содержит обзор литературы по методам сегментации цветных изображений. Вторую главу открывает постановка задач данной дисертаци-онной работы, за которой следует общее описание предлагаемого метода и подробное теоретическое описание его этапов, совокупность которых представляет собой законченный метод сегментации произвольных цветных изображений. В третьем разделе описывается приложение разработанного метода к обработке цветных изображений документов, реализация предлагаемого алгоритма и проводится анализ полученных практических результатов. В заключении представлены основные результаты диссертационной работы. Завершает диссертационную работу список используемой литературы, включающий наименований. Диссертационная работа содержит иллюстраций.