引入文献语种分析的公式抽取研究

论文摘要

数学公式的抽取是印刷体数学公式识别技术的关键步骤。当针对某语种文献的抽取算法用于另一语种文献时,其效果会由于语种差异而变差。因此,有必要在数学公式抽取过程中引入文献语种鉴别,以获得更好的抽取效果。根据英文文本行中连通域间距相比中文文本行存在剧烈波动,且受数学公式符号影响较小的特点,通过统计文本行内相邻连通域的间距,实现对含数学公式的英文与中文科技文献的分类,得到文献的语种;在此基础上,采用与该语种相适应的数学公式抽取算法,实现数学公式的抽取;针对公式抽取结果受到文本图像本身以及算法性能影响出现错误的情况,设计了针对抽取结果的快速修正功能,在用户指导下,实现对抽取错误的快速修正。实验结果表明了所设计算法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文工作及组织结构
• 第2章 文档图像预处理
• 2.1 倾斜校正
• 2.2 分栏判断
• 2.3 平滑去噪
• 第3章 中英文科技文献版面语种鉴别
• 3.1 文本行的确定
• 3.2 文本行内连通域的合并
• 3.3 基于文本行内连通域间距的中英文语种鉴别
• 第4章 中文和英文文档图像中数学公式的抽取
• 4.1 独立数学公式抽取
• 4.2 中文文档图像中内嵌数学公式的抽取
• 4.3 英文文档图像中内嵌数学公式的抽取
• 4.3.1 公式符号识别
• 4.3.2 相邻字母合并
• 第5章 公式抽取错误的分析与修正
• 5.1 公式抽取错误分析
• 5.1.1 行内公式抽取错误
• 5.1.2 行间公式抽取错误
• 5.1.3 公式符号分布特征
• 5.2 公式抽取错误修正
• 5.2.1 行内公式抽取错误修正
• 5.2.2 行间公式抽取错误修正
• 第6章 结论与展望
• 参考文献
• 致谢
• 攻读学位期间取得的科研成果