RU2005138164A

RU2005138164A - Способ распознования текстовой информации из векторно-растрового изображения

Info

Publication number: RU2005138164A
Application number: RU2005138164/09A
Authority: RU
Inventors: гин Дмитрий Георгиевич Дер (RU); Дмитрий Георгиевич Дерягин; В чеслав Михайлович Сапроненко (RU); Вячеслав Михайлович Сапроненко
Original assignee: "Аби Софтвер Лтд." (CY); "Аби Софтвер Лтд."
Priority date: 2005-12-08
Filing date: 2005-12-08
Publication date: 2007-06-20
Also published as: RU2309456C2; US20070133029A1

Claims

1. Способ предварительной обработки векторно-растрового изображения графического файла, содержащего изображение текста, характеризующийся

наличием текстовых, и/или растровых, и/или векторных объектов,

разбиением изображения на области, предположительно содержащие абзацы, таблицы, строки текста, символы текста, нетекстовые объекты;

отличающийся тем, что выполняют следующие операции, используя атрибуты форматирования файла:

разбивку изображения выполняют до получения областей, содержащих неразрывный логически связанный текст наибольшего размера,

обработку текстовых объектов,

обработку растровых объектов,

обработку векторных объектов,

удаление избыточной и излишней информации,

обработка объектов, не относящихся к текстовым, растровым, векторным, как растровых,

анализ каждого объекта с учетом всех имеющихся результатов обработки других объектов;

причем получение областей, содержащих неразрывный логически связанный текст наибольшего размера, включает, по крайней мере, следующие этапы:

разбивку изображения на области, предположительно содержащие текст,

анализ соседних областей на возможность объединения в более крупную область;

причем обработка указанных текстовых объектов включает, по крайней мере, следующие этапы:

разбивку на отдельные символы и группы символов по предполагаемым местам размещения пробелов и/или других неиндицируемых символов,

анализ и объединение групп символов в слова;

причем обработка указанных векторных объектов включает, по крайней мере, выявление разделителей, фона, подложек в блоке; причем обработка указанных растровых объектов включает, по крайней мере, следующие этапы:

анализ на наличие изображения текста в нетекстовых объектах, и/или

анализ на наличие векторных объектов, отличных от разделителей, в том числе выходящих за пределы объекта.

2. Способ по п.1, отличающийся тем, что дополнительно включает анализ корректности кодировки, и в случае необходимости исправление.

3. Способ по п.2, отличающийся тем, что для оценки корректности кодировки анализируют отдельные символы на принадлежность к заданному алфавиту, а слова текста на принадлежность к заданному словарю.

4. Способ по п.2, отличающийся тем, что если использование всех других имеющихся способов не позволяет получить достаточно надежный результат, текстовый блок направляют на распознавание текста.

5. Способ по п.1, отличающийся тем, что удаляемая избыточная и излишняя информация, включает, по крайней мере, следующие виды:

а) информация для оттенения символов,

б) лишние атрибуты.

6. Способ по п.1, отличающийся тем, что разбивка на отдельные символы и группы символов включает, по крайней мере, преобразование абсолютных координат символов в группы, разделенные пробелами.

7. Способ по п.1, отличающийся тем, что анализ и составление групп символов в слова включает, по крайней мере, следующие действия:

а) преобразование абсолютных координат символов в группы, разделенные пробелами,

б) определение ориентации текста,

в) выявление текста, написанного в положении верхнего индекса,

г) выявление текста, написанного в положении нижнего индекса,

д) выявление текста, написанного в виде буквицы.