一种文档图像检索算法设计和实现

1.3 行线标记

通过对得到的二值图像的行跳变的填补，文本行的变化相对比较平滑，这有利于行线的标记。本方法取每个文本行的下边缘来作为行线。因为背景区域为黑色，文字区域为白色，所以对文档图像进行扫描，从黑色区域进入白色区域时所遇到的第一个像素进行标记，这样就把每一行的行线标记出来了，所得到的行线是单像素的。这种方法的优点是可以抗倾斜。

图5（a）为对图1中的图像中的行用直线的方式标记出来。为了验证提取出的行线与原图是否一致，将它与原图（如图5（b）所示）进行了匹配，可以看出，所得结果是比较满意的。

2 匹配算法

本文所采用的方法是将行线抽象为空间中的一个点，点的灰度值定义为行线的长度。全局匹配模式考虑版面的加权平均，用于全局位置进行匹配，这个过程相当于文本区定位过程。局部匹配模式是定义两个行在位置、尺寸上的变化情况，通过位置优先（版面）得到匹配模式，进而对匹配误差能量进行计算。

匹配方法转化为两组点之间的匹配定义问题，点模式简化了问题的复杂性，只包含了版面结构信息、长度信息和尺寸信息。

中心点加权匹配方式不能完全解决问题，图像在两个尺度上的缩放对这种方式影响极大。使用归一化的尺寸可部分解决这个问题，但归一化后仍需计算中心点的位置，通过中心点进行坐标转换，使用坐标转换后的新的点模式对差异性进行度量。

每一行起始坐标的相对坐标是（xi′，yi′），xi′=xi-x0，yi′=yi-y0。图6为将行线抽象为空间中的点的图像，其中亮度代表该行的长度，位置为起点坐标。

（2）距离匹配模式计算

将两个页面的中心点对齐，从第一个页面的第一行开始，与另一个页面每行进行比较。假如另一个页面的相对坐标是（uj′，vj′），j=0，…，n-1，每行长度为wj。计算两个待比较页面的坐标及长度的差Δxi、Δyi、Δzi，其中：Δxi=xi′-uj′，Δyi=yi′-vj′，Δzi=zi-wj。则定义差异能量为：

dEnerge（i）=Δxi+Δyi+Δzi

将第一个页面的第一行与第二个页面的每一行进行比较，得到n个差异能量，求这n个差异能量的最小值min（dEnerge（i））。第一个页面共有m行，将得到m个值，对其求和：

不匹配的情况经常发生，例如一个图像中含有4个点模式，另一个图像中含有10个点模式，内部点模式之间具有结构相关性，结构上的相关性定义为点模式位置掩模距离，该距离用来度量点模式全局匹配能力。如果一个点模式为另一个点模式的子模式，则该方法实现子图检索功能，模式距离最小时，产生最佳匹配。最佳匹配时，产生更为细致的行线检索能力。使用掩模方法是为了产生更好的查准率。

3 实验结果与分析

应用上述方法进行了实验，数据为手写体英文，数据采集分辨率为100 dpi，256级灰度图像，数据量为100幅文档图像。对不同的图像分别比较它们的相似度。图7（b）、（c）、（d）是与图7（a）的相似度分别为40.422 9、45.760 7和43.407 8的图像。图8（b）、（c）、（d）是与图8（a）原图像版面结构相似的几种图像类型。图9（b）、（c）、（d）是与图9（a）原图像版面结构具有差异的几种图像类型。

本文使用对100幅文档图像两两进行版面结构的匹配，共有4 950种结果。实验结果表明，两种不同版面的能量差异最大的在340左右，如图10所示。横坐标显示的是100幅图像两两匹配出现的情况的数目，可以取到的最大坐标为4 950，纵坐标为各匹配情况对应的能量差异，最大值350。从图中可以看出能量差异主要集中在50~200之间。

各个能量点的频数的直方图如图11所示，图中横坐标为能量差异数据，最大为340左右，提取到350。纵坐标为取到各个能量的情况的数目的累加。从图11可以更直观地观察到能量差异在50~200之间的数目最多。

实验结果表明：（1）文档图像的版面结构具有相对的稳定性。（2）点匹配模式计算了最小距离，可有效表示图像的文本行基本信息。（3）距离匹配较为简单，使用了三个维度的一维