[发明专利]彩色文档图像的分层方法和装置

说明书

技术领域

本发明涉及彩色文档图像的分层方法和装置，更具体地，涉及具有 单一背景色的彩色文档图像的分层方法和装置。

背景技术

光学字符识别(OCR)是一种通过计算机自动识别点阵形式文档图 像的内容的技术，目前已经被成功的应用于日常生活及办公等领域中。

一般来说，一幅文档图像的识别包括版面分析和字符识别两个步骤， 前者是指将图像分割为各个语义结构，包括段落、行、字、图片等，后 者是将单个字符的信息输入至识别器中进行处理。版面分析的结果直接 将直接影响最终的识别准确率。

人眼在灰度图像上只能识别出几十种灰度等级，却能从彩色图像中 识别出成千上万种色彩，因此彩色图像相对灰度图像而言，能够提供更 多的信息。近十几年来，随着计算机和光学等科技的发展，彩色图像的 打印、扫描、存储和传输能力得到了极大的提高，使得我们日常使用的 文档也逐渐的从灰度图像转变到彩色图像。通常在一副彩色文档图像中， 不同的内容(包括预打印的表格、后打印的内容、手写的内容，以及印 章等)用不同的颜色来表示，以便于人们阅读。

如果我们能根据颜色特征将彩色文档图像分解为若干层，使得每层 对应于文档中某一特定内容，然后分别对各层进行处理和识别，那么该 输入文档的识别过程将会得到有效的简化，识别的准确率也能大大提高。

在非专利文献1中公开了一种直接对各像素颜色中红、绿、蓝分量 进行线性计算的分类方法。该方法首先预定义若干种颜色，然后通过实 验归纳总结出根据各颜色分量进行线性计算来分类的准则。这种方法的 优点是简单、快速，但是适用范围太窄，往往需要针对不同的文档、不 同的扫描仪设置不同的分类准则。

非专利文献2和3公开了基于在RGB颜色空间上进行聚类的分类方 法。该方法将每一个采样点的颜色视为RGB颜色空间中的一个样本，然 后用一些常用的聚类算法，例如k-均值算法、图聚类算法等，对其进行 分类。这种方法原理非常直观，但是没有考虑彩色文档图像中颜色分布 的产生原因，而用一种通用的三维数据分类算法进行处理，在应用上受 到一些条件的局限：某些算法需要事先设定类别数量等先验知识，而且 各类样本在空间中符合某一特定的分布特征，而通常这些条件是不满足 的。

专利文献1和2公开了基于在亮度分量上进行分类的方法。这类方 法首先将输入彩色文档图像从RGB颜色空间转化到亮度-色度形式的颜 色空间，然后仅仅根据亮度分量进行分层的处理，类似于对灰度图像进 行分层。通常这类算法将亮度图像分割为文字、线、普通图片、半调色 图片等属性的区域，然后再根据各区域的不同属性进行不同的处理。由 于这些算法仅仅考虑了亮度信息，没有利用颜色信息，造成了信息缺失， 因此导致其适用范围受到了很大的限制。

非专利文献4公开了基于在RGB颜色空间上进行线型聚类的分类方 法。观察结果表明，彩色文档图像在RGB颜色空间中表现为一系列线段 型的聚类，其中每一条线段的两个端点分别为该层的背景色和理想情况 下的前景色。因此，该方法首先根据颜色空间中样本分布密度的大小来 选择一系列背景色和前景色的候选，然后找出这些背景色和前景色所构 成的线段，并对其进行合并、排除等操作，最终将所得到的一系列线段 作为分类结果，并对输入图像进行分层。该方法较以上两类方法而言， 充分考虑了彩色文档图像的形成机理及其在颜色空间的分布特征，提高 了分层结果的正确，并且可以处理多背景区域的彩色文档。其缺点在于 在候选颜色的选取以及对线段进行分析的过程中，需要预定义多个参数， 参数设置将直接影响分层效果；并且，由于在选择候选颜色时只考虑了 样本在颜色空间中的分布密度，使得一些像素数量很小的图层很可能会 被忽略。

非专利文献1：Tony Allen，Nasser Sherkat，Seong Wong，“Use of colour for hand-filled form analysis and recognition”，Pattern Analysis & Applications，v.8，n.1，pp.163-180，2005.

非专利文献2：J.Zhou and D.Lopresti，“Extracting Text from WWW Images，”Proceedings of the 4th ICDAR，Ulm，Germany，v.1，pp.248-252， 1997.