一种图文混合文本区域划分方法.doc

摘要：随着信息科学的发展，越来越多的信息被数字化。例如我们常看的书籍、报纸等，都出现了电子版。同时，很多的纸质文档需要被数字化，以方便更多人的阅读及传播。所以我们就需要对纸质的文档进行文本分析，以转变成电子文档。如果是纯文字的文档，电子化可能会容易些。但对于一些图文混合的文本，就需要先进行文本区域划分，使文本分析更加容易些。

因此，本文采用了一种基于伽柏滤波器和区域生长的文本区域划分的方法，并通过实验证明了该方法的可行性。该方法是将灰度化后的图片进行二值化处理，再伽柏滤波器进行分析。分析完后使用区域生长法进行分块，将区域分开来。再对分开的区域进行分析，以此得到文本区域划分的效果。该方法在伽柏滤波器参数的选择需要多次手动调节，才能确定出最合适的参数。在用区域生长法进行区域分块的时候，虽然能直接分割出某一区域，但仍需要手动确定这一区域是文字区还是非文字区。所以这种方法更适合一些分块较少的文本，否则需要大量的人工操作。

同时，本文方法也与基于数学形态的文本划分方法进行了比较。比较得出，基于数学形态的文本划分方法在处理上少了很多的复杂运算，但是划分得出的结果也相对模糊写。所以，在进行文本区域划分时，要根据文档样式选择恰当的分析方法。

关键词：图文混合；文本区域划分；伽柏滤波器；区域生长法；数学形态法

目录

摘要

Abstract

一、绪论-1

（一）研究背景-1

（二） 文本区域划分基本研究方法-1

1． 基于连通域的文本区域划分-1

2． 版面分割中文本区域最佳结构表示树的生成算法-2

3.基于数学形态的版面划分-3

4.基于分割线提取的版面分割算法-3

（三） 主要研究工作-3

（四） 论文章节安排-3

二、文本区域划分的理论基础-4

（一）图像分割的意义-4

（二） 边缘检测-5

（三） 区域分割-7

1. 峰谷法-7

2. 最优阈值法-8

3. 自适应阈值的选取-9

三、 基于伽柏滤波和区域生长的文本划分-9

（一） 伽柏滤波-9

（二） 基于区域的图像分割——区域生长-11

1. 区域生长的原理-11

2. 区域生长实现的步骤-12

四、基于数学形态的文本划分-12

（一）数学形态学-12

（二）划分步骤-13

六、实验结果及分析-14

（一） 实验过程-14

（二） 实验结果-15

1. 基于伽柏滤波器与区域生长法的文本划分-15

2. 基于数学形态的版面划分-16

3. 分析比较-18

六、结束语-18

（一） 研究总结-18

（二） 研究展望-19

参 考 文 献-20

致 谢-21

附 录-22