CAJ | 학술논문

采用图像的结构化局部边缘模式特征(structured local edge pattern,SLEP)对文档图像进行分类,由于该算法精确描述了图像边缘方向邻域中的空间分布,因此相应的学习对于文档图像类型具有很强的区分能力.与基于图像复杂结构分布特征的方法或基于光学字符识别系统特征(OCR)的方法相比,基于SLEP特征的方法更简单有效.本实验通过组建文档图像数据库,利用支持向量机(SVM)作为分类器,总共对4种文档图像类型进行分类,分别为学术论文(paper),影像照片(photo),表格文件(table),幻灯影片(slide).实验结果表明,基于SLEP特征的方法在准确率、召回率等方面都明显优于所对比方法,并且即使在文档图像低分辨率的情况下,所分类结果仍然有不错表现.
채용도상적결구화국부변연모식특정(structured local edge pattern,SLEP)대문당도상진행분류,유우해산법정학묘술료도상변연방향린역중적공간분포,인차상응적학습대우문당도상류형구유흔강적구분능력.여기우도상복잡결구분포특정적방법혹기우광학자부식별계통특정(OCR)적방법상비,기우SLEP특정적방법경간단유효.본실험통과조건문당도상수거고,이용지지향량궤(SVM)작위분류기,총공대4충문당도상류형진행분류,분별위학술논문(paper),영상조편(photo),표격문건(table),환등영편(slide).실험결과표명,기우SLEP특정적방법재준학솔、소회솔등방면도명현우우소대비방법,병차즉사재문당도상저분변솔적정황하,소분류결과잉연유불착표현.