Разработка и исследование методов и средств распознавания текста факсимильных сообщений

• Автор: Цопкало, Николай Николаевич
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Таганрог
• Количество страниц: 200 с. : ил

СОДЕРЖАНИЕ

ВВЕДЕНИЕ.,,.

1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ И СРЕДСТВ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ФАКСИМИЛЬНЫХ ДОКУМЕНТОВ НИЗКОГО КАЧЕСТВА
1.1 Анализ применимости существующих программных средств для распознавания факсимильных документов низкого качества.

1.2 Обзор и классификация задач обработки изображений.

2. РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ПРЕДОБРАБОТКИ И АНАЛИЗА ИЗОБРАЖЕНИЙ ДОКУМЕНТОВ

2.1 Анализ применимости существующих методов сегментации для решения задачи выделения текстовых строк в условиях помех
2.2 Разработка метода сегментации объектов бинарных изображений, устойчивого к помехам
2.3 Экспериментальное исследование характеристик разработанного метода. Сравнение с методами снизу вверх и комбинированным.

2.4 Выработка критерия для выделения слов строки

2.5 Разработка метода идентификации типов бланков факсимильных сообщений

3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА РАСПОЗНАВАНИЯ СИМВОЛОВ ФАКСИМИЛЬНЫХ ДОКУМЕНТОВ
3.1 Разработка системы накопления обучающих данных и создание на ее основе наборов изображений символов факсимильных сообщений
3.2 Разработка комбинированного нейросетевого метода классификации изображений символов.
3.2.1 Разработка нейросетевой системы распознавания символов
3.2.2 Способ извлечения информации, содержащейся в выходном векторе персептрона
3.2.3 Способ предварительной классификации изображений печатных символов
3.2.4 Выбор признакового пространства для классификации изображений символов
3.3 Исследование качества распознавания символов с применением разработанного метода
4. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА ОРФОГРАФИЧЕСКОЙ
КОРРЕКЦИИ РЕЗУЛЬТАТОВ ПОСИМВОЛЬНОГО РАСПОЗНАВАНИЯ
4.1 Разработка метода орфографической коррекции.
4.2 Исследование разработанного метода распознавания и сравнение качества распознавания с методом на основе алгоритма Витерби
4.3 Обработка англорусского словаря и создание базы данных для распознавания англоязычных текстов с применением разработанного метода.
Выводы
5. АНАЛИЗ ТРУДОЕМКОСТИ ОСНОВНЫХ ЭТАПОВ И РАСКРЫТИЕ
ВОЗМОЖНОСТЕЙ ДЛЯ РАСПАРАЛЛЕЛИВАНИЯ
5.1 Модели параллельных машин и методика разработки параллельных программ
5.2 Анализ трудоемкости основных этапов задачи распознавания факсимильных документов и раскрытие возможностей их распараллеливания.
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


Преобразование из класса 1 в класс 2. Этот процесс называется сегментацией и обеспечивает выделение областей приблизительно одинакового цвета иили яркости, а в более сложном случае областей одинаковой текстуры. Преобразование из класса 2 в класс 3. Преобразованиями этого типа являются построение отслеживание контура и прореживание скелетизация. Первое обеспечивает отображение заданной области в некоторую замкнутую кривую, а второе отображение области в некоторый граф, называемый остовом области. Следует отметить, что в виде контура обычно представляются более округлые однородные области изображения строго говоря, области с малым отношением квадрата периметра к площади. Построение остова имеет смысл при работе с тонкими, длинными областями с большим вышеуказанным отношением. При распознавании печатных символов важную роль играют алгоритмы прореживания, поскольку форма связной области некоторого символа может меняться в широких пределах в зависимости от шрифта и стиля, а структура скелета часто остается неизменной. Преобразование из класса 3 в класс 4. Этот процесс, называемый иногда сегментацией кривых, предназначен для отыскания критических точек контура. В случае многоугольников этими точками являются углы. Подобные преобразования обычно применяются при распознавании образов, и для их реализации могут потребоваться сложные математические методы. Такое преобразование также полезно в нашем случае при анализе структуры скелета. Преобразование из класса 4 в класс 3. Такое преобразование включает процессы интерполирования, обеспечивающего проведение гладкой кривой через некоторое множество точек, и аппроксимации, обеспечивающей проведение гладкой кривой вблизи некоторого множества точек. Преобразование из класса 3 в класс 2. Если в качестве входной инфорхмации задается контур, то возникает задача заполнения контура заливки или задача штриховки . В последнем случае яркость или цвет некоторой области не оставляются одинаковыми, а изменяются в соответствии с определенными правилами. Если входной информацией служит остов, то для восстановления области следует использовать процедуру расширения. Преобразование из класса 2 в класс 1. Изображение, воспроизведенное на экране в нескольких цветах, часто оказывается ущербным в эстетическом отношении. Для улучшения качества изображения используются методы синтеза реалистичных изображений, моделирующие освещенность объектов. Грубо говоря, преобразования, переводящие изображения из классов с меньшими номерами в классы с большими номерами, относятся к сфере интересов распознавания образов, а преобразования, переводящие изображения из классов с большими номерами в классы с меньшими номерами к сфере интересов машинной графики. В последующих пунктах этой главы мы будем уделять внимание в основном преобразованиям, применяемым при распознавании образов. Все рассмотренные операции и приведенные алгоритмы реализованы на практике и необходимо используются при моделировании, тестировании и оценке эффективности разработанных алгоритмов обработки изображений документов и распознавания символов. Основными задачами обработки тоновых изображений являются фильтрация, сегментация и вычисление проекций. Фильтрация изображений. Существует две разновидности задач обработки тоновых изображений. К первой относят преобразования, не выводящие изображение за пределы класса 1. Это фильтрация, улучшение качества изображения путем выравнивания гистограммы яркостей пикселей. Ко второй группе относятся преобразования, переводящие изображение в класс 2 например, сегментация. В этом подразделе мы рассмотрим методы фильтрации изображений. Одно из применений операции фильтрации это устранение шума на изображении. Если большинство пикселей изображения имеют в своей окрестности пиксели такой же или близкой яркости, то замена значения каждого пикселя зашумленного изображения некоторой взвешенной суммой значений соседних пикселей приведет к уменьшению изменчивости яркостей смежных пикселей, и мы получим изображение, более близкое к оригиналу.