期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习方法的手写文本行提取综述
被引量:
1
1
作者
杨益暄
田益民
+2 位作者
崔圆斌
齐千慧
韩利利
《智能计算机与应用》
2020年第11期154-157,160,共5页
文本行提取一直是手写文档图像分析与识别领域的热点研究课题。随着深度学习的发展,越来越多的方法涌现出来,通过对近几年的相关文献分析整理,本文按照全卷积神经网络、编解码器、循环神经网络、生成对抗网络的基于深度学习的手写文本...
文本行提取一直是手写文档图像分析与识别领域的热点研究课题。随着深度学习的发展,越来越多的方法涌现出来,通过对近几年的相关文献分析整理,本文按照全卷积神经网络、编解码器、循环神经网络、生成对抗网络的基于深度学习的手写文本行提取方法进行总结和分析,列举了每种方法的代表性实例,并对常用训练数据集进行了介绍。分析了各类方法的特点与不足,并对未来可研究方向进行展望。
展开更多
关键词
手写文档图像
深度学习
手写文本行提取
下载PDF
职称材料
中文手写信封目的地址块的定位
被引量:
1
2
作者
薛君良
丁晓青
+2 位作者
刘长松
潘世言
钱伟威
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2000年第1期35-38,共4页
为准确地定位出目的地址块 ,针对中文手写信封具有的明显特点 ,提出了一种用于中文手写信封的目的地址块定位方法。二值图像在经过噪声滤波等预处理后 ,提取出连通域。用模式分类的方法将非文本特性的连通域去除 ,并由文本块合并成文本...
为准确地定位出目的地址块 ,针对中文手写信封具有的明显特点 ,提出了一种用于中文手写信封的目的地址块定位方法。二值图像在经过噪声滤波等预处理后 ,提取出连通域。用模式分类的方法将非文本特性的连通域去除 ,并由文本块合并成文本行。在已提取的文本行基础上定位出目的地址块。对 5 0 0个采集于邮政分拣机的实际样本的提取率和平均 CPU时间分别约为 85 %和 3.7s。结果表明该方法是有效的并且花费较少的
展开更多
关键词
目的地址块
邮政自动化
中文手写信封
定位
原文传递
回归——聚类联合框架下的手写文本行提取
3
作者
朱健菲
应自炉
陈鹏飞
《中国图象图形学报》
CSCD
北大核心
2018年第8期1207-1217,共11页
目的手写文本行提取是文档图像处理中的重要基础步骤,对于无约束手写文本图像,文本行都会有不同程度的倾斜、弯曲、交叉、粘连等问题。利用传统的几何分割或聚类的方法往往无法保证文本行边缘的精确分割。针对这些问题提出一种基于文本...
目的手写文本行提取是文档图像处理中的重要基础步骤,对于无约束手写文本图像,文本行都会有不同程度的倾斜、弯曲、交叉、粘连等问题。利用传统的几何分割或聚类的方法往往无法保证文本行边缘的精确分割。针对这些问题提出一种基于文本行回归-聚类联合框架的手写文本行提取方法。方法首先,采用各向异性高斯滤波器组对图像进行多尺度、多方向分析,利用拖尾效应检测脊形结构提取文本行主体区域,并对其骨架化得到文本行回归模型。然后,以连通域为基本图像单元建立超像素表示,为实现超像素的聚类,建立了像素-超像素-文本行关联层级随机场模型,利用能量函数优化的方法实现超像素的聚类与所属文本行标注。在此基础上,检测出所有的行间粘连字符块,采用基于回归线的k-means聚类算法由回归模型引导粘连字符像素聚类,实现粘连字符分割与所属文本行标注。最后,利用文本行标签开关实现了文本行像素的操控显示与定向提取,而不再需要几何分割。结果在HIT-MW脱机手写中文文档数据集上进行文本行提取测试,检测率DR为99.83%,识别准确率RA为99.92%。结论实验表明,提出的文本行回归-聚类联合分析框架相比于传统的分段投影分析、最小生成树聚类、Seam Carving等方法提高了文本行边缘的可控性与分割精度。在高效手写文本行提取的同时,最大程度地避免了相邻文本行的干扰,具有较高的准确率和鲁棒性。
展开更多
关键词
手写文本行提取
超像素
图像分割
回归
聚类
原文传递
题名
基于深度学习方法的手写文本行提取综述
被引量:
1
1
作者
杨益暄
田益民
崔圆斌
齐千慧
韩利利
机构
北京印刷学院信息工程学院
出处
《智能计算机与应用》
2020年第11期154-157,160,共5页
基金
国家自然科学基金(6378001)。
文摘
文本行提取一直是手写文档图像分析与识别领域的热点研究课题。随着深度学习的发展,越来越多的方法涌现出来,通过对近几年的相关文献分析整理,本文按照全卷积神经网络、编解码器、循环神经网络、生成对抗网络的基于深度学习的手写文本行提取方法进行总结和分析,列举了每种方法的代表性实例,并对常用训练数据集进行了介绍。分析了各类方法的特点与不足,并对未来可研究方向进行展望。
关键词
手写文档图像
深度学习
手写文本行提取
Keywords
handwritten
document
image
deep
learning
handwritten
text
line
extraction
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
中文手写信封目的地址块的定位
被引量:
1
2
作者
薛君良
丁晓青
刘长松
潘世言
钱伟威
机构
清华大学电子工程系
出处
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2000年第1期35-38,共4页
基金
国家自然科学基金项目!(6 96 82 0 0 3)
国家"八六三"高技术项目! (86 3- 30 6 - 0 3- 0 5 - 6 )
文摘
为准确地定位出目的地址块 ,针对中文手写信封具有的明显特点 ,提出了一种用于中文手写信封的目的地址块定位方法。二值图像在经过噪声滤波等预处理后 ,提取出连通域。用模式分类的方法将非文本特性的连通域去除 ,并由文本块合并成文本行。在已提取的文本行基础上定位出目的地址块。对 5 0 0个采集于邮政分拣机的实际样本的提取率和平均 CPU时间分别约为 85 %和 3.7s。结果表明该方法是有效的并且花费较少的
关键词
目的地址块
邮政自动化
中文手写信封
定位
Keywords
destination
address
block
(DAB)
postal
automation
handwritten
Chinese
envelopes
text
line
extraction
分类号
F614 [经济管理—产业经济]
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
回归——聚类联合框架下的手写文本行提取
3
作者
朱健菲
应自炉
陈鹏飞
机构
五邑大学信息工程学院
出处
《中国图象图形学报》
CSCD
北大核心
2018年第8期1207-1217,共11页
基金
国家自然科学基金项目(61771347
61372193)~~
文摘
目的手写文本行提取是文档图像处理中的重要基础步骤,对于无约束手写文本图像,文本行都会有不同程度的倾斜、弯曲、交叉、粘连等问题。利用传统的几何分割或聚类的方法往往无法保证文本行边缘的精确分割。针对这些问题提出一种基于文本行回归-聚类联合框架的手写文本行提取方法。方法首先,采用各向异性高斯滤波器组对图像进行多尺度、多方向分析,利用拖尾效应检测脊形结构提取文本行主体区域,并对其骨架化得到文本行回归模型。然后,以连通域为基本图像单元建立超像素表示,为实现超像素的聚类,建立了像素-超像素-文本行关联层级随机场模型,利用能量函数优化的方法实现超像素的聚类与所属文本行标注。在此基础上,检测出所有的行间粘连字符块,采用基于回归线的k-means聚类算法由回归模型引导粘连字符像素聚类,实现粘连字符分割与所属文本行标注。最后,利用文本行标签开关实现了文本行像素的操控显示与定向提取,而不再需要几何分割。结果在HIT-MW脱机手写中文文档数据集上进行文本行提取测试,检测率DR为99.83%,识别准确率RA为99.92%。结论实验表明,提出的文本行回归-聚类联合分析框架相比于传统的分段投影分析、最小生成树聚类、Seam Carving等方法提高了文本行边缘的可控性与分割精度。在高效手写文本行提取的同时,最大程度地避免了相邻文本行的干扰,具有较高的准确率和鲁棒性。
关键词
手写文本行提取
超像素
图像分割
回归
聚类
Keywords
handwritten
text
line
extraction
superpixel
image
segmentation
regression
clustering
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于深度学习方法的手写文本行提取综述
杨益暄
田益民
崔圆斌
齐千慧
韩利利
《智能计算机与应用》
2020
1
下载PDF
职称材料
2
中文手写信封目的地址块的定位
薛君良
丁晓青
刘长松
潘世言
钱伟威
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2000
1
原文传递
3
回归——聚类联合框架下的手写文本行提取
朱健菲
应自炉
陈鹏飞
《中国图象图形学报》
CSCD
北大核心
2018
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部