دودویی کردن وفقی تصاویر متنی آسیب دیده
چکیده
دودویی کردن تصویر یکی از مراحل مهم در تحلیل اسناد متنی است و کیفیت انجام آن، کارایی کل سیستم تحلیل اسناد متنی را تحت تاثیر قرار میدهد. بسیاری از خطاهای موجود در بازشناسی متن به دلیل خطاهای مرحله دودویی کردن تصویر به وجود می آیند. با وجود اینکه روشهای آستانهیابی متنوعی پیشنهاد شده است، این روشها برای دودویی کردن تصاویر با آسیب های مختلف فاقد کارایی لازم هستند و دودویی کردن تصاویر متنی یکی از چالشهای بزرگ تحلیل اسناد متنی است. در این رساله پیکسل های تصویر را به فضای ویژگی دو بعدی نگاشت داده و با ترکیب وزن دار وفقی این ویژگی های در سطح پیکسل و مولفه های متصل تمایز متن و زمینه را افزایش می دهیم. چهار روش مختلف را برای یافتن مرز جدایش متن از زمینه پیشنهاد می دهیم. در روش های خودفراگیر و طبقه بندی تکراری فضای ویژگی از خروجی یک روش آستانه یابی محلی و خواص آن برای پیدا کردن مرز استفاده می شود. در روش آموزش - محور پس از افراز فضای ویژگی به نواحی کوچک، به آن نواحی توسط یک طبقه بند برچسب متن یا زمینه زده می شود. برای آموزش طبقه بند از یک مجموعه تصویر برچسب خورده استفاده می شود. در روش چهارم، روش های خودفراگیر و آموزش- محور را با هم ترکیب کرده و بدین وسیله از مزایای هر دو روش بهره می بریم. همچنین دو روش بر مبنای مدل جریان آب برای دودویی کردن تصاویر متنی پیشنهاد کرده ایم. مقایسه نتایج روش های پیشنهادی با پنج روش معروف آستانه یابی نشان داد که ترکیب دو روش خودفراگیر و آموزش- محور نسبت به سایر روش ها از کارایی بیشتری برخوردار است. این روش بر روی مجموعه تصاویر استفاده شده در مسابقه دودویی کردن تصاویر متنی سال 2009 میلادی آزمایش شد و در مقایسه با سایر روش های شرکت کننده در آن مسابقه نتایج بهتری را بدست آورد.